基于GPU的实时SIFT算法

• 作者: 严华 周新志 汪亮
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 尺度不变特征变换 特征提取 实时 CUDA 并行加速
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 高性能计算
• 页码范围: 105-111
• 页数: 7页
• 分类号: TP391.4
• 字数: 6194字
• 语种: 中文
• DOI: 10.11896/jsjkx.190700036

摘要

针对SIFT特征提取算法过程复杂且实时性低的缺陷,提出了一种基于GPU的实时尺度不变特征变换(Scale-inva-riant feature transform,SIFT)的优化算法——CUDA Optimized SIFT(CoSift).该算法首先利用CUDA流并发构建SIFT尺度空间,在此过程中充分利用了CUDA存储器模型中的高速存储器来提高数据访问速度,并对二维高斯卷积核进行降维优化来减少计算量,然后设计了基于warp的直方图算法策略,重新平衡了特征描述过程中的工作负载.其与CPU版本的常用算法及GPU版本的改进算法的对比实验表明,CoSift算法在未降低特征提取准确性的前提下,极大地提高了实时性能,且对大尺寸图像有相对更高的优化效果,在使用单块GTX 1080Ti的GPU环境下,该算法可以在7.7～8.6 ms(116.28～129.87 fps)内提取出关键点.CoSift算法有效降低了传统SIFT算法过程的复杂性,提升了实时性能,能较好地应用于对SIFT算法实时性要求较高的场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周新志	四川大学电子信息学院	149	837	14.0	22.0
2	严华	四川大学电子信息学院	63	249	8.0	12.0
3	汪亮	四川大学电子信息学院	1	0	0.0	0.0