[发明专利]一种CPU+GPU群核超算系统及SIFT特征匹配并行计算方法

说明书

技术领域

本发明属于空间遥感摄影领域，尤其涉及一种CPU+GPU群核超算系统及SIFT特征匹配并行计算方法。

背景技术

当前，摄影测量和计算机视觉的发展，图像特征匹配越发成为摄影测量与遥感、资源分析、3-D重建、计算机视觉和模式识别等领域研究的基本问题以及物体识别、跟踪等应用的重要基础。对于同一场景的多幅遥感影像而言，它们之间可能存在多种差异：不同的分辨率、灰度属性、位置(平移和旋转)、比例尺、非线性变形等等。传统的特征点检测算法，如基于模板匹配的特征点检测算法不易设计出大量模板来匹配纹理细腻的特征点；基于边缘检测的特征点检测算法精度不高；基于亮度变化的特征点检测算法受噪声，光照的影响很大。目前已有的基于特征的图像匹配方法还存在一个共同的问题：它们所采用特征点的不变性一般较差，特别是通常并不具备对仿射或透射投影变换的不变性。因此，具有较大差异和特征变形的遥感影像的匹配仍然是一个难点问题。

尺度不变特征变换(Scale Invariant Feature Transform，SIFT)算法是一种基于尺度空间理论提取图像局部特征的有效算法。通过在高斯差分尺度空间(Difference Of Gaussian，DOG)寻找极值点作为关键点，SIFT特征对尺度缩放、旋转、光照变化均保持不变，对仿射变换、视点变换、噪声干扰均有一定程度的稳定性，但是SIFT特征匹配处理面临数据量大、计算复杂度高和运算量大的问题，在实时性要求较高的应用场合中，应用受到了限制。

发明内容

本发明的目的在于提供一种面向CPU+GPU架构的SIFT特征匹配软件系统，旨在解决SIFT特征匹配处理面临数据量大、计算复杂度高和运算量大的问题。

本发明是这样实现的，一种CPU+GPU群核超算系统，该结构包括CPU单元、北桥芯片单元、系统存储器单元、图形适配器单元：

CPU单元作为主处理器的子系统，用于解释计算机指令以及处理计算机软件中的数据，进行高性能的计算；

北桥芯片单元通过前端总线和CPU单元相连，用于提供对CPU的类型和主频、内存的类型和最大容量、ISA/PCI/AGP插槽、ECC纠错等支持；

系统存储器单元通过存储器总线和北桥芯片单元相连，用于存储数据的信息；

图形适配器单元通过PCI-Express总线和北桥芯片单元相连，用于控制计算机图形的输出；

GPU模块安装在图形适配器单元上，是图形适配器的核心，用于进行大量的简单并行计算并将数据画成图形；

GPU存储器模块通过DMA操作和GPU模块相连，用于储存收集到的数据。

进一步，CPU为四核的；

进一步，CPU+GPU群核超算系统中包含两个图形适配器；

进一步，软件系统须运行在具有支持CUDA的GeForce8系列以上、Quadro系列的NVIDIA显示适配器的PC机上。

本发明是这样实现的，一种SIFT特征匹配并行计算方法，该方法的具体过程如下：

步骤一：读取输入影像到主存，将不同尺度的高斯核数据由主存传入到GPU的常数存储器中；

步骤二：利用在GPU中计算的关键点集合信息，启动kernel计算在关键点附近像素的梯度大小和方向；

步骤三：计算128维的SIFT描述符；

步骤四：进行SIFT特征匹配，确定匹配点位。

进一步，在GPU中进行分步连续滤波加速高斯尺度空间金字塔的构建，并将高斯金字塔存储在全局存储器内。然后高斯金字塔影像被回读到CPU，相邻尺度的两个高斯影像相减得到DOG金字塔多尺度空间表示。当把候选特征点集合信息上传至GPU中后，便可在GPU内对高斯差分金字塔所有候选特征点进行精确定位。计算关键点周围影像强度的主曲率，通过一个2×2的Hessian矩阵计算特征值比率，检测关键点主曲率是否超过设定的阈值，通过去掉多余的点后，确定关键点集合并精确标记关键点的位置，尺度。关键点位置、尺度将在GPU中恢复；

进一步，利用已经存储在全局存储器中的高斯权重函数，对关键点邻域窗口内的各像素的梯度大小进行高斯加权并累加建立方向直方图，检测直方图的峰值，确定关键点主方向；

进一步，以关键点为中心的16×16影像数据块根据关键点的尺度、位置和方向构造SIFT描述符的过程，在CPU上实现则可以发挥CPU逻辑分支、判断能力强的优势；