基于GPU的非線性尺度空間特征提取算法優(yōu)化機制.pdf

1、基于非線性尺度空間的特征提取算法，相比于基于高斯尺度空間的特征提取算法具有更高的魯棒性，但同時也具有更高算法復雜度，不利于在圖形處理器（Graphics Processor Unit，GPU）上實現并行優(yōu)化?，F有的基于圖形處理器的高斯尺度空間的特征提取算法優(yōu)化方案存在兩個問題：算法并行度低，不能直接移植到非線性尺度空間。
　　針對于非線性尺度空間的特點，為解決存在的問題，提出了一種新的基于圖形處理器的非線性尺度空間特征提取算法優(yōu)化

2、機制。首先，在不降低算法魯棒性的基礎上，提出了一種分組尺度空間。在分組尺度空間中，將原始尺度空間中尺寸相同的層歸為一組，各組之間相互獨立，使得整個算法中各組之間能夠并行的處理，提高算法的并行度。其次，為了消除分組尺度空間中降采樣造成的負載不均衡問題，提出了一種數據打包方法。通過數據打包方法，既可以消除負載不均衡問題，又可以在圖形處理器中實現各組并行處理。最后，在打包后的數據上，實現了基于圖形處理器的分組尺度空間構造、關鍵點檢測和描述符生