【技术实现步骤摘要】
本专利技术属于图像特征提取和显卡通用计算
,更具体地,涉及一种基于GPU的多尺度空间特征提取方法。
技术介绍
在计算机视觉应用中,基于图像的特征提取算法往往是计算机视觉应用能否取得成功的前提和关键。基于高斯卷积的线性滤波或非线性扩散方程的非线性滤波等构造的多尺度空间特征提取算法,由于其在一定的尺寸、旋转、模糊等变化下的鲁棒性,受到了广泛的关注和应用。然而由于多尺度空间的构造具有较高的时间复杂度,为了能够将特征提取算法应用到实时应用中去,不少研究者提出了很多方法,在不降低算法鲁棒性的条件下,基于图形处理器(Graphic Processing Unit,GPU)的方法是较为成功的。基于GPU的多尺度空间特征提取算法主要采用的是统一计算设备架构(compute unified device architecture,CUDA),它是由英伟达公司提出的通用计算平台,将复杂的GPU指令包装成浅显易懂的运行时指令,极大地降低了编写显卡设备代码的难度。CUDA采用的是一种类似于单指令流多数据流(single-instruction multi-data,SIMD)的执行模型,比较适合于并行计算。利用GPU的众核优势并行处理图像中的多个像素点,可以极大地提升执行效率。这一类算法主要将特征提取中的各个步骤利用GPU并行的方式来进行处理,降低算法所需要的时间。但是现有算法只是停留在原始算法的基础上,在单一尺度 ...
【技术保护点】
一种基于GPU的多尺度空间特征提取算法,其特征在于,包括以下步骤:(1)根据输入图像的宽度W和高度H,计算特征提取尺度空间需要降采样的次数num;一次降采样对应一个尺寸,包含原始尺寸,共有num+1个不同尺寸;(2)根据输入图像和尺寸数num+1,利用多尺寸数据打包、多尺寸并行降采样、多尺寸并行非线性滤波的方法,并行的构造不同尺寸下的尺度空间;(3)在(2)构造的不同尺寸下的尺度空间中检测关键点,生成关键点的描述符。
【技术特征摘要】
1.一种基于GPU的多尺度空间特征提取算法,其特征在于,包括以下
步骤:
(1)根据输入图像的宽度W和高度H,计算特征提取尺度空间需要降
采样的次数num;一次降采样对应一个尺寸,包含原始尺寸,共有num+1个
不同尺寸;
(2)根据输入图像和尺寸数num+1,利用多尺寸数据打包、多尺寸并
行降采样、多尺寸并行非线性滤波的方法,并行的构造不同尺寸下的尺度空
间;
(3)在(2)构造的不同尺寸下的尺度空间中检测关键点,生成关键点
的描述符。
2.根据权利要求1所述的多尺度空间特征提取算法,其特征在于,所述
步骤(2)包括以下子步骤:
(2.1)多尺寸数据打包:根据输入图像的宽度W和高度H、降采样次数
num、CUDA编程的特点,将num+1个不同尺寸的图像打包成联合图像,并
在GPU中分配联合图像存储空间,对于S层尺度空间,就有S个联合图像;
(2.2)多尺寸并行降采样:利用初始输入图像信息,对输入图像并行
的进行num次降采样,得到尺度空间中的第一个联合图像,即第一层图像;
(2.3)根据步骤(2.2)构造的第一个联合图像,利用前一层联合图像,
循环的进行S-1次非线性滤波,得到尺度空间中所有的联合图像,即所有S层
图像。
3.根据权利要求2所述的多尺度空间特征提取算法,其特征在于,步骤
(2.1)包括以下子步骤:
(2.1.1)根据输入图像的宽度W和高度H、降采样次数num,计算得到
每次降采样后图像的宽度w和高度h;
(2.1.2)根据CUDA编程特征,将每一个尺寸下的图像的宽度w填充,
使得填充后的宽度pw为Warp Size的整数倍;
(2.1.3)将所有尺寸下的图像打包成联合图像,在GPU中分配联合图像
的存储空间;对于S层尺度空间就有S个联合图像。
4.根据权利要求2或3所述的多尺度空间特征提取算法,其特征在于,
所述步骤(2.2)包括以下子步骤:
(2.2.1)利用GPU内存复制函数将输入图像复制到第一个联合图像空
间的第1个尺寸所对应的图像空间中;
(2.2.2)...
【专利技术属性】
技术研发人员:蒋文斌,罗斌,金海,陈一鸣,池也,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。