基于GPU的SIFT立體匹配算法研究.pdf

1、目前，GPU已經(jīng)被廣泛應(yīng)用于通用計算領(lǐng)域，早期的基于GPU的通用計算由于硬件的可編程性差，限制了其應(yīng)用范圍。NVIDIA推出的CUDA是一種將圖形處理器作為并行計算平臺的軟硬件體系，其編程風(fēng)格簡單，采用的是多線程的并行處理方式，使人們能夠有效利用GPU的強大性能。
　　另一方面，圖像匹配作為圖像視覺的常用技術(shù)，應(yīng)用范圍十分廣泛，SIFT立體匹配算法是一種較為穩(wěn)定的基于特征的匹配算法，對于尺度變換、旋轉(zhuǎn)變換以及光照變化都有較好的抵抗

2、能力，是圖像處理領(lǐng)域的研究熱點。
　　SIFT立體匹配算法雖然具有很多優(yōu)點，但是其程序復(fù)雜，運行所耗費的時間較多，而且由于它是一種基于特征的匹配算法，得到的匹配點對數(shù)量較少，無法滿足生成視差圖的要求，所以使得它的應(yīng)用領(lǐng)域受到了限制。本文首先對傳統(tǒng)的預(yù)處理算法進(jìn)行了探討，分析了算法的并行性，并在CUDA上實現(xiàn)了圖像灰度轉(zhuǎn)換、高斯濾波、直方圖均衡化處理以及Wallis濾波。然后針對SIFT立體匹配算法存在的上述兩個問題，一方面對原算法

3、進(jìn)行改進(jìn)，將由原算法得到的匹配點對作為種子點進(jìn)行區(qū)域增長，從而獲取數(shù)量可觀的匹配點，有利于視差圖的生成；另一方面，使用CPU和GPU的異構(gòu)平臺，深入分析了CUDA的編程模型和存儲器模型，對SIFT立體匹配算法進(jìn)行了任務(wù)劃分，對算法進(jìn)行詳細(xì)的并行化分析，使算法得以在CUDA上進(jìn)行實現(xiàn)，加快算法的運行速度。
　　在搭建的雙目視覺平臺上對基于SIFT的區(qū)域增長算法進(jìn)行實驗，驗證了改進(jìn)算法的有效性。為了更直觀地評價GPU的加速效果，在各種