【摘要】：SIFT特征(Scale-invariant feature transform)是一種具有多尺度以及具有光照不變性和旋轉(zhuǎn)不變性的特征。在遙感圖像處理中,基于SIFT特征的圖像匹配穩(wěn)定性強,且能滿足多尺度和多傳感器的圖像之間的匹配。但SIFT特征具有計算復雜度高的缺陷,限制了其在一些場景下的應用。自從NVIDIA推出CUDA(Compute Unified Device Architecture)這一并行計算平臺,降低了在圖形處理器(GPU)上的編程難度以后,越來越多的科研人員以及工程師利用GPU加速遇到的計算問題。本文面向遙感任務的衛(wèi)星在軌智能處理設計理念,針對空間任務需求和在軌數(shù)據(jù)處理帶來的挑戰(zhàn),為遙感衛(wèi)星的星載微型超級計算中心設計SIFT算法的并行加速方案。本文利用OpenMP技術和CUDA技術實現(xiàn)了多GPU下的SIFT算法加速。首先對SIFT算法進行了可并行行分析,給出了在異構(gòu)模式下,主機端和設備端的任務分配。同時給出了在多GPU下的數(shù)據(jù)分塊,以及并行化方式。隨后針對SIFT算法中計算量大的步驟做了并行化處理。針對高斯濾波,本文將二維的高斯濾波分解為先對行做高斯濾波,再對列做高斯濾波,并在此基礎上利用GPU加速。在行濾波階段,利用線程束共享寄存器數(shù)據(jù),減少內(nèi)存的使用,并將中間結(jié)果以轉(zhuǎn)置的方式存入共享內(nèi)存,在避免存儲體沖突的情況下還能減少對全局內(nèi)存的訪問。在極值點檢測優(yōu)化中,采用和高斯分離濾波類似的策略,同時引入了原子操作來保證每次對比的正確性。在特征點生成的優(yōu)化中,引入了共享內(nèi)存減少原子操作帶來的沖突,提高程序的并行化率,同時將數(shù)據(jù)綁定到紋理內(nèi)存,增加程序的緩存命中。最后在單GPU的SIFT算法基礎上,實現(xiàn)了SIFT算法的多GPU加速,并使用CUDA流將多個數(shù)據(jù)分塊的數(shù)據(jù)拷貝和內(nèi)核函數(shù)的執(zhí)行重疊起來,減少程序運行時間。在Jetson TX2硬件平臺上對本文的實現(xiàn)做測試,單GPU計算下的特征點個數(shù)比CPU計算下的特征點個數(shù)平均少百分之八左右,但加速比都達到了82以上,并且隨著圖像分辨率增大而增大。兩個GPU計算下的特征點個數(shù)和單GPU計算下的特征點個數(shù)基本一致,加速比達到1.5倍左右。本文在多GPU下實現(xiàn)的SIFT算法,整體加速效果比較顯著,在小分辨率以及大分辨率下都能很好的加速。
【圖文】：

CPU和GPU浮點運行性能對比

2圖 1-2 CPU 和 GPU 內(nèi)存帶寬2006 年針對傳統(tǒng) GPU 在通用計算中的缺點，NVIDIA 正式推出 CUDA 這種軟硬件架構(gòu)。CUDA 采用的開發(fā)語言是在 C 語言上改進而來的，語法和 C 語言相同，容易上手。在編程中，GPU 中的緩存是對用戶可見的，這方便用戶針對自己的算法進行優(yōu)化。CUDA 有著完整的生態(tài)鏈，NVIDIA 提供 Nsight 來幫助用戶調(diào)試并行程序，定位錯誤。同時提供 Visual profile 給用戶，，幫助用戶優(yōu)化程序，在 Visua
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【參考文獻】

相關期刊論文 前10條

1 吳志輝;徐小紅;朱同林;;基于CUDA的直方圖問題并行優(yōu)化[J];現(xiàn)代計算機(專業(yè)版);2015年19期

2 閆鈞華;杭誼青;許俊峰;儲林臻;;基于CUDA的高分辨率數(shù)字視頻圖像配準快速實現(xiàn)[J];儀器儀表學報;2014年02期

3 王剛;唐杰;武港山;;基于多GPU集群的編程框架[J];計算機技術與發(fā)展;2014年01期

4 王蓓蕾;朱志良;孟t-;;基于CUDA加速的SIFT特征提取[J];東北大學學報(自然科學版);2013年02期

5 肖漢;周清雷;張祖勛;;基于多GPU的Harris角點檢測并行算法[J];武漢大學學報(信息科學版);2012年07期

6 張欽;張鵬程;;運用OpenMP和CUDA優(yōu)化蒙特卡洛算法[J];安陽師范學院學報;2012年02期

7 張丹丹;徐瑩;徐磊;;異構(gòu)平臺下格子Boltzmann方法實現(xiàn)及性能分析[J];計算機科學;2012年04期

8 呂亞飛;賈X陽;;基于CUDA的快速中值濾波算法[J];現(xiàn)代計算機(專業(yè)版);2011年14期

9 盧文龍;王建軍;劉曉軍;;基于CUDA的高速并行高斯濾波算法[J];華中科技大學學報(自然科學版);2011年05期

10 張海軍;陳圣波;張旭晴;王亞楠;;基于GPU的遙感圖像快速去噪處理[J];城市勘測;2010年02期

本文編號：2676146