10.3969/j.issn.2095-2783.2015.20.009
高效并行递归高斯 SIFT 算法的实现
针对传统尺度不变特征变换 scale invariant feature transform(SIFT)算法中计算复杂度高、实时性差的问题,提出一种基于多核处理器的数据级并行递归高斯-尺度不变特征变换(recursive Gaussian filter-scale invariant feature transform,RGF-SIFT)算法。利用四阶递归高斯滤波逼近尺度不变特征变换算法中的线性高斯滤波,通过 EDMA 数据传输技术,将图像数据分割为多块,分配到多个 DSP 核并行处理。实验结果表明:并行递归高斯-尺度不变特征变换算法的特征点重复率比 SIFT 算法的高;在图像特征点个数小于或等于500的情况下,多核并行递归高斯-尺度不变特征变换算法的平均加速比为17.97倍。
高斯滤波、尺度不变特征变换、多核处理器、并行技术
TP31(计算技术、计算机技术)
高等学校博士学科点专项科研基金资助项目20130018110001
2015-12-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
2382-2385,2394