基于OpenCL的尺度不变特征变换算法的并行设计与实现

• 作者: 王光 许川佩
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 尺度不变特征变换算法 开放式计算语言 复用内存对象 细粒度并行 异构系统
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 先进计算
• 页码范围: 1801-1806
• 页数: 6页
• 分类号: TP391.4
• 字数: 5446字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.07.1801

摘要

针对尺度不变特征变换(SIFT)算法实时性差的问题,提出了利用开放式计算语言(OpenCL)并行优化的SIFT算法.首先,通过对原算法各步骤进行组合拆分、重构特征点在内存中的数据索引等方式对原算法进行并行化重构,使得算法的中间计算结果能够完全在显存中完成交互;然后,采用复用全局内存对象、共享局部内存、优化内存读取等策略对原算法各步骤进行并行设计,提高数据读取效率,降低传输延时;最后,利用OpenCL语言在图形处理单元(GPU)上实现了SIFT算法的细粒度并行加速,并在中央处理器(CPU)上完成了移植.与原SIFT算法配准效果相近时,并行化的算法在GPU和CPU平台上特征提取速度分别提升了10.51～19.33和2.34～ 4.74倍.实验结果表明,利用OpenCL并行加速的SIFT算法能够有效提高图像配准的实时性,并能克服统一计算设备架构(CUDA)因移植困难而不能充分利用异构系统中多种计算核心的缺点.