特征点检测DoG并行算法

摘要：

特征点检测被广泛应用于目标识别、跟踪及三维重建等领域.针对三维重建算法中特征点检测算法运算量大、耗时多的特点,对高斯差分(Difference-of-Gaussian,DoG)算法进行改进,提出特征点检测DoG并行算法.基于OpenMP的多核CPU、CUDA及OpenCL架构的GPU并行环境,设计实现DoG特征点检测并行算法.对hallFeng图像集在不同实验平台进行对比实验,实验结果表明,基于OpenMP的多核CPU的并行算法表现出良好的多核可扩展性,基于CUDA及OpenCL架构的GPU并行算法可获得较高加速比,最高加速比可达96.79,具有显著的加速效果,且具有良好的数据和平台可扩展性.

关键词：图形处理器(GPU)、多核CPU、高斯差分(DoG)、特征点检测、并行算法

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61662059

在线出版日期：2020-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：36-43