学位论文 > 优秀研究生学位论文题录展示

基于GPU的图像配准及拼接技术研究

作　者: 邹刚
导　师: 何凯
学　校: 天津大学
专　业: 电子与通信工程
关键词: 图像配准图像拼接 SURF算法 GPU CUDA 并行计算
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 7次
引　用: 0次
阅　读: 论文下载

内容摘要

图像配准在图像处理、计算机视觉、人工智能、机器学习、医学图像、国防科技和地质勘测等领域都有着广泛的应用前景。其中，基于特征点的配准技术以其精度高，匹配表现稳定，鲁棒性强和适应性高的特点被普遍采用。通用并行计算近年来得到了快速发展，其中基于NVIDIACUDA架构的GPU技术发展迅速，在需要密集型数据处理领域得到了广泛关注。本文首先介绍了NVIDIA GPU的发展情况，重点介绍了CUDA软硬件体系架构，包括CUDA的存储模型、CUDA的软件体系、CUDA的编程模型和CUDA的硬件执行；重点介绍了Host端代码（CPU运行）和Device端代码（GPU执行）等异构系统模型。论文对SURF算法原理进行了详细讨论，由于SURF算法中特征点提取及描述子生成过程，具有着较高的并行处理可行性，本文对SURF算法在CPU+GPU异构系统上的加速实现进行了研究，利用CPU负责内存分配和过程控制，利用GPU负责并行部分核函数的执行。论文重点研究了SURF算法中的彩色图像灰度化、积分图像建立、Hessian行列式求取、非极大值抑制、特征点主方向确定，以及生成特征点描述矢量部分在GPU上的核函数实现。论文最后对计算机生成的模拟图像和实际拍摄图像进行了仿真实验，针对存在平移、缩放、旋转，以及各种复杂场景的实际图像，通过在GPU异构系统上实现SURF算法，来进行特征点提取和特征点描述；然后在CPU上进行特征点匹配，将配准点代入仿射变换模型，以最小二乘法进行参数估计；最后利用估计参数进行图像拼接。并对GPU和CPU两个系统中实现SURF算法过程的时间进行了比较。实验结果表明，本文利用GPU异构系统实现的SURF算法对图像配准达到了亚像素精度，最后拼接效果令人满意，且SURF算法过程的运行时间较CPU系统实现大幅减少，平均加速比为11~14倍，本文的研究为图像拼接的实时处理奠定了基础。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-11
  1.1 课题研究背景  8
  1.2 图像配准研究现状  8-10
  1.3 研究主要内容  10
  1.4 论文组织结构  10-11
第二章 GPU通用并行计算  11-21
  2.1 NVIDIA GPU简介  11-14
  2.2 CUDA架构  14-20
    2.2.1 CUDA存储器模型  15-17
    2.2.2 CUDA软件体系  17
    2.2.3 CUDA编程模型  17-19
    2.2.4 CUDA硬件执行  19-20
  2.3 本章小结  20-21
第三章基于CUDA的SURF配准算法实现  21-47
  3.1 SURF算法原理  21-24
  3.2 SURF算法的异构实现  24-46
    3.2.1 SURF算法异构实现的框架和流程  25
    3.2.2 Host端实现  25-31
    3.2.3 Device端实现  31-46
  3.3 本章小结  46-47
第四章实验结果和对比分析  47-61
  4.1 实验系统平台  47-48
  4.2 实验结果  48-60
    4.2.1 模拟图像的实验  48-50
    4.2.2 平移变换的对比实验  50-52
    4.2.3 缩放变换的对比实验  52-53
    4.2.4 旋转变换的对比实验  53-55
    4.2.5 复杂场景的对比实验  55-60
  4.3 本章小结  60-61
第五章总结与展望  61-63
  5.1 本文总结  61
  5.2 展望  61-63
参考文献  63-66
发表论文说明  66-67
致谢  67

基于GPU的图像配准及拼接技术研究

内容摘要

全文目录

相似论文