一種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)及方法技術(shù)方案

一種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)及方法：（1）將原始圖像傳輸?shù)紾PU端進行一系列高斯濾波和降采樣構(gòu)建高斯金字塔，高斯濾波采用遞歸高斯濾波器，然后將相鄰圖像相減得到高斯差分金字塔；（2）以線程塊為單位，載入一塊圖像，每個線程處理一個像素點，與相鄰26個像素點進行比較得到局部極值點；（3）每個線程處理一個局部極值點，進行關鍵點的定位和篩選；（4）一個線程塊計算一個關鍵點的方向，一個線程計算該關鍵點鄰域內(nèi)一個像素點的方向和幅度值，通過CUDA提供的原子加法累加到梯度直方圖中。根據(jù)梯度直方圖的峰值得到關鍵點的方向，將關鍵點坐標、方向等信息傳輸回主機端。（5）一個線程塊計算一個關鍵點描述子，再將計算結(jié)果傳輸回主機端，完成SIFT特征提取。本發(fā)明專利技術(shù)提高了SIFT算法的計算速度。

【技術(shù)實現(xiàn)步驟摘要】
—種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)及方法
本專利技術(shù)涉及一種在CUDA (統(tǒng)一計算設備架構(gòu)，Compute unified devicearchitecture)平臺上的 SIFT (尺度不變特征轉(zhuǎn)換，Scale-1nvariant feature transform)并行化方法，特別涉及一種基于遞歸高斯濾波的SIFT并行化方法。
技術(shù)介紹
視頻數(shù)據(jù)作為一種動態(tài)、直觀、形象的數(shù)字媒體，越來越多地出現(xiàn)在各類信息服務和應用場合，而且隨著存儲成本的降低，高速傳輸和壓縮技術(shù)的進步，視頻信息數(shù)量出現(xiàn)了飛速膨脹，因此，對視頻內(nèi)容分析和處理的計算量也大大增加。由于視頻的數(shù)據(jù)量往往較大，算法也比較復雜，所以計算量通常比較大，單一使用CPU往往滿足不了實時性的要求。此外，視頻圖像信號處理和控制算法的實現(xiàn)，通常以一些較小的基本運算為基礎，經(jīng)過適當組合而得到。這些基本運算包括卷積、相關、差分方程計算等，具有良好的并行性和可擴展性，可以通過多個處理單元并行計算的方法來實現(xiàn)高速計算。綜合上述兩點，面向視頻內(nèi)容的分析和處理比較適合在GPU上進行運算以達到提高執(zhí)行速度的目的。尺度不變特征變換(SIFT)是一種重要的特征提取算法，在目標跟蹤、視頻拼接等許多方面都有應用。此算法對旋轉(zhuǎn)、縮放、亮度變化具有較高的穩(wěn)定性，但是算法較為復雜，計算量大，并不能很好地滿足實時性的要求，所以需要考慮采用并行化方法來加速SIFT的計算。在眾多并行化平臺中，基于CPU/GPU異構(gòu)協(xié)同的計算平臺具有很大的發(fā)展?jié)摿ΑＵ捎贕PU所具有的強勁計算能力、高性能/價格比和高性能/能耗比，在當今追求綠色高性能計算的時代，GPU的計算優(yōu)勢受到越來越多的關注。在GPU編程方面，NVIDIA公司推出的CUDA通用并行計算架構(gòu)是相對比較成熟的計算平臺，所以本專利技術(shù)采用基于CUDA的并行計算平臺來提高SIFT算法的計算速度。
技術(shù)實現(xiàn)思路
本專利技術(shù)要解決的技術(shù)問題是:克服現(xiàn)有技術(shù)的不足，提供一種性能優(yōu)良的SIFT并行化方法，提高其計算速度，能夠更好地滿足視頻圖像特征提取的實時性要求。本專利技術(shù)解決其技術(shù)問題所采用的技術(shù)方案:一種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)，包括構(gòu)建尺度空間模塊、檢測局部極值點模塊、關鍵點精確定位及篩選模塊、關鍵點方向賦值模塊和關鍵點描述子生成模塊；構(gòu)建尺度空間模塊，將原始圖像傳輸?shù)皆O備端，進行一系列遞歸高斯濾波和降采樣之后得到的所有圖像即構(gòu)成了尺度空間；遞歸高斯濾波結(jié)果是一次正向濾波結(jié)果和逆向濾波結(jié)果之和，采用3階遞歸高斯濾波，其公式如下:本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)，其特征在于：包括構(gòu)建尺度空間模塊、檢測局部極值點模塊、關鍵點精確定位及篩選模塊、關鍵點方向賦值模塊和關鍵點描述子生成模塊；構(gòu)建尺度空間模塊，將原始圖像傳輸?shù)皆O備端，進行一系列遞歸高斯濾波和降采樣之后得到的所有圖像即構(gòu)成了尺度空間；遞歸高斯濾波結(jié)果是一次正向濾波結(jié)果和逆向濾波結(jié)果之和，采用3階遞歸高斯濾波，其公式如下：y+(n)=n0+x(n)+n1+x(n-1)+n2+x(n-2)-d1+y+(n-1)-d2+y+(n-2)-d3+y+(n-3)y-(n)=n1-x(n+1)+n2-x(n+2)+n3-x(n+3)-d1-y-(n+1)-d2-y-(n+2)-d3-y-(n+3)y(n)＝y(tǒng)+(n)+y?(n)其中y+(n)為像素點n的正向遞歸高斯濾波結(jié)果，y?(n)為像素點n的逆向遞歸高斯濾波結(jié)果，x(n)為像素點n的灰度值，為濾波器系數(shù)，y(n)為遞歸高斯濾波的最終結(jié)果；遞歸高斯濾波也是可分離的，先對一幅圖像的所有行進行一次遞歸高斯濾波得到中間結(jié)果，然后再對該中間結(jié)果的所有列進行一次遞歸高斯濾波得到最終的結(jié)果；一個核函數(shù)根據(jù)上述遞歸高斯濾波的公式和方法完成一幅圖像所有行或所有列的遞歸高斯濾波，每個線程處理一行或一列數(shù)據(jù)；對原始圖像進行6次遞歸高斯濾波之后得到一組圖像，該組圖像為高斯金字塔的第0組，將其中倒數(shù)第3幅圖像進行降采樣，即隔點采樣，使得長寬都降為原來的二分之一，得到高斯金字塔的第1組的第1幅圖像，即該組第1層，再將該圖像進行5次遞歸高斯濾波，這6幅圖像組成了高斯金字塔的第1組，以此類推，根據(jù)圖像大小決定高斯金字塔的組數(shù)，這些圖像就構(gòu)成了高斯金字塔；然后將每組相鄰兩幅圖像相減，一個核函數(shù)完成兩幅圖像的相減，每個線程計算對應兩個像素點之差，得到的這些圖像就構(gòu)成了每組5幅圖像的高斯差分金字塔；高斯金字塔和高斯差分金字塔就構(gòu)成了該圖像的尺度空間，每幅圖像為尺度空間的一個尺度；檢測局部極值點模塊，在高斯差分金字塔上進行，一個核函數(shù)完成金字塔中一層的局部極值點檢測；每個線程塊將一組5幅圖像中的同一塊區(qū)域載入到共享內(nèi)存中，然后進行一次線程同步；每個線程處理第2至第4層的一個像素點，將其灰度值與相鄰的26個像素點進行比較，判斷其是否為空間極值點，若是則加入到結(jié)果集中，初始結(jié)果集大小為0，每次加入結(jié)果集時用CUDA提供的原子加法將當前結(jié)果集的大小加1，并將得到的值作為極值點在結(jié)果集中的索引位置，然后將極值點的坐標存儲到相應全局內(nèi)存中，最終得到所有的局部極 值點；關鍵點精確定位及篩選模塊，在高斯差分金字塔上進行，一個核函數(shù)完成所有關鍵點的精確定位及篩選；每個線程處理一個局部極值點，通過曲線擬合精確到亞像素精度，并剔除低對比度和邊緣響應點，將滿足條件的點加入到結(jié)果集中，初始結(jié)果集大小為0，每次加入結(jié)果集時用CUDA提供的原子加法將當前結(jié)果集的大小加1，并將得到的值作為關鍵點在結(jié)果集中的索引位置，然后將關鍵點信息存儲到相應全局內(nèi)存中，最終得到所有的關鍵點；關鍵點方向賦值模塊，在高斯金字塔上進行，一個核函數(shù)完成所有關鍵點的方向賦值；每個線程塊處理一個關鍵點，每個線程計算關鍵點鄰域內(nèi)一個像素點的梯度方向和幅度值，然后通過原子加法累加到該關鍵點的梯度直方圖中，最終求出梯度直方圖的峰值，該值代表了該關鍵點的主方向，即作為該關鍵點的方向；將關鍵點坐標、方向信息傳輸回主機端；關鍵點描述子生成模塊，在高斯金字塔上進行，一個核函數(shù)完成所有關鍵點描述子的生成；每個線程塊處理一個關鍵點，首先將坐標旋轉(zhuǎn)到該關鍵點的方向上，然后將關鍵點鄰域劃分為4×4個子區(qū)域，計算每個區(qū)域內(nèi)像素點的梯度方向和幅度值，得到8個方向的梯度直方圖，最終得到4×4×8＝128維的描述子；最后將描述子傳輸回主機端。FDA0000422883540000013.jpg...

【技術(shù)特征摘要】
1.一種在CUDA平臺上基于遞歸高斯濾波的SIFT并行化系統(tǒng)，其特征在于:包括構(gòu)建尺度空間模塊、檢測局部極值點模塊、關鍵點精確定位及篩選模塊、關鍵點方向賦值模塊和關鍵點描述子生成模塊； 構(gòu)建尺度空間模塊，將原始圖像傳輸?shù)皆O備端，進行一系列遞歸高斯濾波和降采樣之后得到的所有圖像即構(gòu)成了尺度空間；遞歸高斯濾波結(jié)果是一次正向濾波結(jié)果和逆向濾...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：盛浩，李蕊，陳嘉暉，李超，劉書凱，
申請(專利權(quán))人：北京航空航天大學深圳研究院，
類型：發(fā)明
國別省市：