邓伯胜

（四川大学计算机学院，成都 610065）

SIFT算法GPU并行化研究

邓伯胜

（四川大学计算机学院，成都 610065）

SIFT是计算机视觉领域一个基础算法，从综合评估上看，SIFT目前仍是最具使用价值的特征检测、特征描述算法。总结SIFT算法原理，针对算法耗时问题，参考多位学者研究者的并行计算解决方案，并利用CUDA具体实现实验，归纳出一种三级并行方案。实验表明，与CPU架构下SIFT实现方案相比，该方案大幅提升SIFT特征提取性能，加速比随着图片数目或特征点数目增加而增加。

SIFT；CUDA；三级并行；加速

0 引言

尺度不变特征变换（SIFT）是一种基于尺度空间理论的提取图像局部特征的优秀算法。SIFT特征鲁棒性强，受旋转、缩放、平移、噪声、关照变化影响很小。但SIFT算法复杂度高，计算耗时，难以应用到实时性要求高的场合。随着可编程图像处理器GPU技术成熟，国内外很多学者针对SIFT计算效率问题做了很多研究，设计出很多并行加速方案。但就目前为止，这些方案的并行级别都不超过两级。例如Sinha等人基于OpenGL和Gg语言在NVIDIA 7900GTX显卡上实现SIFT，仅仅实现了一级并行 （像素级）；田文等人提出一种基于CUDA的SIFT实现方案，性能达到30-50倍，但仅仅针对特定图片并且未考虑显卡和CPU端数据传输时间，并行级别只有像素级和高斯组（Octave）两级。本文考虑到SIFT主要应用于多张图片检测特征点，采用CUDA流（cudaStream）实现了首末数据传输和中间计算的并行，隐藏了多张处理图片上传图片数据和返回计算结果的数据传输时间，同时提高了计算并行度，达到了三级并行，在考虑到数据传输时间后，性能能达到CPU实现的20倍左右。……