發(fā)布時(shí)間：2019-08-06 07:23

【摘要】：加速魯棒特征算法(speed up robust features,SURF)的時(shí)間復(fù)雜度大,傳統(tǒng)串行計(jì)算的方法,實(shí)時(shí)性難以保證.針對(duì)上述問題,提出一種基于OpenCL架構(gòu)的SURF并行實(shí)現(xiàn)方法.首先對(duì)算法中的積分圖的計(jì)算、Hessian響應(yīng)圖、特征點(diǎn)主方向、特征點(diǎn)描述等步驟實(shí)施數(shù)據(jù)并行和任務(wù)并行處理,并給出詳細(xì)的算法流程.接著從OpenCL架構(gòu)的數(shù)據(jù)傳輸、內(nèi)存訪問以及負(fù)載均衡等方面優(yōu)化算法性能.實(shí)驗(yàn)結(jié)果表明,該算法對(duì)不同分辨率的圖片均實(shí)現(xiàn)了10倍以上的加速比,一些高分辨率的圖片甚至可以達(dá)到39.5倍,并且算法適用于多種通用計(jì)算平臺(tái).
【圖文】：

它由宿主機(jī)程序定義，當(dāng)宿主機(jī)發(fā)出提交內(nèi)核命令后，ＯｐｅｎＣＬ運(yùn)行時(shí)系統(tǒng)會(huì)在設(shè)備上創(chuàng)建一個(gè)Ｎ維工作索引空間，對(duì)應(yīng)這個(gè)索引空間中的每個(gè)點(diǎn)分別執(zhí)行內(nèi)核的實(shí)例．每個(gè)實(shí)例稱為工作項(xiàng)，多個(gè)工作項(xiàng)組成工作組．１．３內(nèi)存模型ＯｐｅｎＣＬ的內(nèi)存模型將內(nèi)核用到的內(nèi)存分為４種類型：全局內(nèi)存、常量?jī)?nèi)存、局部?jī)?nèi)存和私有內(nèi)存．它們的作用范圍不同，并且讀寫速度相差巨大．從左到右內(nèi)存的作用范圍依次遞減，讀寫速度遞增．各類內(nèi)存的有效作用范圍及其在異構(gòu)平臺(tái)的位置如圖１所示．圖１ＯｐｅｎＣＬ內(nèi)存結(jié)構(gòu)Ｆｉｇ．１ＭｅｍｏｒｙｓｔｒｕｃｔｕｒｅｏｆＯｐｅｎＣＬ１．４編程模型ＯｐｅｎＣＬ的編程模型支持?jǐn)?shù)據(jù)并行模型和任務(wù)并行模型．?dāng)?shù)據(jù)并行模型指的是同一段指令并發(fā)作用在內(nèi)存對(duì)象的不同數(shù)據(jù)元素上．ＯｐｅｎＣＬ提供了層次結(jié)構(gòu)的數(shù)據(jù)并行，即工作組中工作項(xiàng)的數(shù)據(jù)并行，再加上工作組層次的數(shù)據(jù)并行，因此開發(fā)人員需要顯式地規(guī)定參與計(jì)算的所有工作項(xiàng)節(jié)點(diǎn)數(shù)，同時(shí)還要規(guī)定每個(gè)節(jié)點(diǎn)所屬的工作組．８０９第１０期基于ＯｐｅｎＣＬ的加速魯棒特征算法并行實(shí)現(xiàn)

當(dāng)扇形內(nèi)像素點(diǎn)的Ｈａａｒ特征值總和最大時(shí)，該扇形的方向即作為特征點(diǎn)主方向；最后以特征點(diǎn)主方向?yàn)椋S，構(gòu)造邊長(zhǎng)為２０σ的正方形區(qū)域，并等分成１６塊子區(qū)域，如圖２（ｂ）所示，計(jì)算每塊子區(qū)域內(nèi)的Ｈａａｒ特征值，并構(gòu)造一個(gè)４維向量如下：νｓｕｂｒｅｇｉｏｎ＝∑ｄｘ，∑ｄｙ，∑ｄｘ，∑（ｄｙ）（１）式中，ｄｘ、ｄｙ為ｘ和ｙ方向的ｈａａｒ特征值．１６塊子區(qū)域的４維向量共同組成一個(gè)６４維的特征點(diǎn)描述符．圖２特征點(diǎn)鄰域示意圖Ｆｉｇ．２Ｎｅｉｇｈｂｏｒｈｏｏｄｏｆｆｅａｔｕｒｅｐｏｉｎｔ由于ＳＵＲＦ算法引入了尺度空間理論，要將原圖像與可變尺度的２維高斯濾波模板進(jìn)行卷積，形成圖像金字塔．此時(shí)Ｈｅｓｓｉａｎ矩陣可以表示為Ｈ（ｘ，σ）＝Ｌｘｘ（ｘ，σ）Ｌｘｙ（ｘ，，σ）Ｌｘｙ（ｘ，σ）Ｌｙｙ（ｘ，σ）q縬纐膓牛ǎ玻┪思涌焱枷竦木砘�，颜＿b撲惴ú捎梅嬌蚵瞬ㄆ鶻剖劍ǎ玻┲械母咚茍孜⒎鄭雜Φ姆嬌蚵瞬０迦繽跡常ǎ幔褂梅嬌蚵瞬ù硨�，图像的｝x澹螅螅椋幔釹煊χ導(dǎo)撲憬莆洌澹簦ǎ齲幔穡穡潁錚劍模模ǎ埃梗模玻ǎ常┦街�，Ｄｘｘ、Ｄｙｙ和Ｄｘｙ为各份^虻姆嬌蚵瞬ǖ慕峁櫻眨遙撲惴ㄖ謝勾罅渴褂茫齲幔幔蛺卣鰨齲幔幔蛺卣髂０迦繽跡常ǎ猓┧荊跡襯０澹疲椋紓常攏錚媯椋歟簦澹潁螅幔睿洌齲幔幔潁鰨幔觶澹歟澹簦媯椋歟簦澹潁蟠送�，染J看畏

本文編號(hào)：2523406