基于GPU的图像特征提取加速算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 图目 | 第8-9页 |
| 表目 | 第9-10页 |
| 第一章 引言 | 第10-14页 |
| 1.1 项目背景 | 第10-12页 |
| 1.2 本文工作与组织结构 | 第12-14页 |
| 第二章 图像检索算法简介 | 第14-17页 |
| 2.1 图像检索算法分类 | 第14-15页 |
| 2.2 局部特征检索算法简介 | 第15-17页 |
| 第三章 相关工作 | 第17-19页 |
| 3.1 局部特征提取算法的多核与GPU并行加速 | 第17-18页 |
| 3.2 GPU在其他领域的应用 | 第18-19页 |
| 第四章 GPU简介与映射程序的挑战 | 第19-27页 |
| 4.1 现代GPU的结构 | 第19-20页 |
| 4.2 Fermi架构简介 | 第20-22页 |
| 4.3 GPU编程模型和存储结构 | 第22-24页 |
| 4.4 GPU上映射程序的挑战 | 第24-27页 |
| 第五章 SIFT与SURF算法介绍与分析 | 第27-39页 |
| 5.1 SIFT算法介绍与分析 | 第27-33页 |
| 5.1.1 特征检测 | 第28-31页 |
| 5.1.2 特征描述 | 第31-33页 |
| 5.2 SURF算法介绍与分析 | 第33-37页 |
| 5.2.1 计算积分图像 | 第34-35页 |
| 5.2.2 特征检测 | 第35-36页 |
| 5.2.3 特征描述 | 第36-37页 |
| 5.3 SIFT与SURF算法比较 | 第37-39页 |
| 第六章 GPU上图像特征提取算法的实现与优化 | 第39-49页 |
| 6.1 GPU上SIFT的实现 | 第39-42页 |
| 6.1.1 特征检测的实现 | 第40-42页 |
| 6.1.2 特征描述的实现 | 第42页 |
| 6.2 GPU上SURF的实现 | 第42-45页 |
| 6.2.1 积分图像计算的实现 | 第42-43页 |
| 6.2.2 特征检测的实现 | 第43-44页 |
| 6.2.3 特征描述的实现 | 第44-45页 |
| 6.3 基于GPGPU特性的优化 | 第45-46页 |
| 6.4 CPU与GPU的协同工作 | 第46-49页 |
| 6.4.1 CPU与GPU的流水线并行 | 第46-48页 |
| 6.4.2 利用剩余的CPU核 | 第48-49页 |
| 第七章 实验评估 | 第49-61页 |
| 7.1 评估环境 | 第49-51页 |
| 7.2 正确性评估 | 第51-52页 |
| 7.3 性能评估 | 第52-58页 |
| 7.3.1 SIFT实现的性能评估 | 第52-54页 |
| 7.3.2 SURF实现的性能评估 | 第54-55页 |
| 7.3.3 CPU与GPU的流水线并行评估 | 第55-57页 |
| 7.3.4 利用剩余核的评估 | 第57-58页 |
| 7.3.5 Fermi架构下的测试结果 | 第58页 |
| 7.4 实验总结 | 第58-61页 |
| 第八章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 后记 | 第67-68页 |
