文件名称：基于GPU 的SIFT实时优化算法综述
文件大小：4.49MB
文件格式：PDF
更新时间：2024-07-27 05:03:29
GPU算法
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-invariant 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GTⅩ1080TI的GPU环境下，该算法可以在7.7~8.6ms（116.28~129.87fs）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，能较妤地应用于对SIFT算法实时性要求较高的场景。