基于gpu的图像特征并行计算方法

特征提取与描述是众多计算机视觉应用的基础。局部特征提取与描述因像素级处理产生的高维计算而导致其计算复杂、实时性差,影响了算法在实际系统中的应用。研究了局部特征提取与描述中的关键共性计算模块——图像金字塔机制及图像梯度计算。基于nvidiagpu/cuda架构设计并实现了共性模块的并行计算,并通过优化全局存储、纹理存储及共享存储的访问方式进一步实现了其高效计算。实验结果表明,基于gpu的图像金字塔和图像梯度计算比cpu获得了30倍左右的加速,将实现的图像金字塔和图像梯度计算应用于hog特征提取与描述算法,相比cpu获得了40倍左右的加速。该研究对于基于gpu实现局部特征的高速提取与描述具有现实意义。