乔 笑 任明武

（南京理工大学计算机科学与工程学院 南京 210094）

1 引言

近年来，随着科学技术的迅猛发展，图像匹配技术已成为近代信息处理特别是图像信息处理领域中的重要技术。尺度不变特征变换（Scale-invariant Feature Transform，SIFT）［1～2］就是图像匹配领域内的一种用于描述图像局部特征的算法，被人们广为使用。由于我们目标图像是书架上的书脊，存在拍摄图像与数据库存储的书脊图像，具有尺寸、倾斜方向、拍摄亮度和角度都不一样的特点，所以我们选择Sift算法作为特征提取算法。它与其他特征提取算子的区别在于，特征信息具有旋转不变，尺度不变，亮度不变等特点，并且提取的特征信息量丰富，独特性好，准确率高。但是SIFT算子具有一个显著的缺点，就是其算法的复杂度十分高，从而导致提取特征信息的耗时过长，在一些具有实时性要求的应用场景下，不太能满足要求。随着时代的发展，之后出现了基于SIFT算子改进的许多变种算法［3～8］，但都存在一些性能问题或者稳定性问题，都不能直接取缔SIFT算法。随着GPU［9～10］处理技术的飞速发展，它具有非常强大的计算能力，提高算法并行能力，从而使得SIFT算法加速成为可能［11～13］。

本文实现了基于统一计算设备架构（Compute Unified Device Architecture，CUDA）［14］下 加 速 的SIFT特征提取算法和特征匹配，并应用于书脊图像匹配中，使得图像匹配的实时性得到保证。

2 SIFT特征提取算法

SIFT特征点提取主要分成三大步骤：1）特征点位置定位；2）特征点方向赋值；3）特征点描述。首先为了满足SIFT算子的尺度不变性，要构造出多种尺度空间下的图像，例如地图上的比例尺。……