基于GPU的实时SIFT算法

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.

关键词：尺度不变特征变换、特征提取、实时、CUDA、并行加速

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61403265

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：105-111