基于GPU的并行圖像檢索系統(tǒng)的研究與實現(xiàn).pdf

1、隨著計算機網(wǎng)絡(luò)技術(shù)和數(shù)字媒體技術(shù)的快速發(fā)展，人類進入了一個信息高度發(fā)達的互聯(lián)網(wǎng)時代，每天網(wǎng)絡(luò)上都會產(chǎn)生海量的數(shù)據(jù)信息，而數(shù)字圖像作為一種常用的多媒體信息的載體，包含了豐富的信息內(nèi)容，怎樣從包含海量圖像的數(shù)據(jù)庫中快速、準(zhǔn)確地檢索出用戶所需的圖像信息是目前的一大重要研究課題。近年來，隨著半導(dǎo)體技術(shù)和多核技術(shù)的快速發(fā)展，圖像處理單元GPU的通用性和可編程性不斷增強，它具有強大的并行計算能力，這使得它在高性能的計算領(lǐng)域得到廣泛應(yīng)用。由于 GPU

2、在處理圖形圖像數(shù)據(jù)的能力上遠遠超越 CPU，因此，研究并實現(xiàn)基于GPU的并行圖像檢索系統(tǒng)成為本文的主要目的。
　　首先，本文在分析了國內(nèi)外GPU并行計算技術(shù)的前提下，開展了基于GPU的并行算法的研究工作。然后針對具體項目系統(tǒng)需求提出了并行化解決方案，并結(jié)合CUDA架構(gòu)的特點和優(yōu)勢對其中的核心算法進行了并行研究與實現(xiàn)。其中包括：（1）對SIFT特征提取算法中的尺度空間構(gòu)建、極值點檢測、特征點方向計算、特征點描述符計算進行了并行化研究

3、與實現(xiàn)；（2）對SIFT特征匹配算法中的KD-Tree的最近鄰搜索算法和歐氏距離計算進行了并行化研究與實現(xiàn)；（3）對k-means聚類算法進行了粗粒度和細粒度的并行化研究與實現(xiàn)。最后，在實際軟硬件環(huán)境下通過實驗對比了基于CPU的串行算法，證明了本文所實現(xiàn)的并行算法的優(yōu)勢。
　　其次，本文在基于并行SIFT算法和并行k-means算法的基礎(chǔ)上設(shè)計并實現(xiàn)了基于GPU的并行圖像檢索系統(tǒng)。利用并行SIFT特征提取算法提高了圖像特征庫的創(chuàng)建