基于GPU的并行不变特征图像匹配技术研究

Image matching technology is the research hotspot in academic and industry field, which has a wide range of applications. Among of kinds of image matching technology, the image matching operator based on invariant feature only analysis a small amount of the extracted image feature points, as a result it can yield distinct features which can be matched easily and robustly at a relatively high speed. However the speed of these operators are still far from being able to meet the speed demand in the practical situation with huge amount of data. So, this project proposes to study in three progressive aspects in order to speed up the image matching: 1. to study and establish parallel image matching model employed invariant feature on general purpose Graphics Processing Unit( GPU); 2. to realize the model algorithm on GPU and CPU respectively, analysis the performance between them, and process the actual aerial photographs; 3. to choose a promising handheld device with GPU support, then transplant and analyze the proposed parallel image matching model on this device.

图像匹配技术是学术、工业界研究的热点，具有广泛的应用前景。特别是其中基于不变特征点的图像匹配算子，因为只需要分析、提取少量图像特征点，所以具有提取的特征明显、特征易于匹配、稳定性高、能够提高后期处理速度等等优点。但是在实际大数据量应用场合中，现有算子的速度仍然远远不能满足需求。基于此，本课题提出，在循序渐进的3个方面展开研究，用以提升图像匹配的速度：1.基于近年出现的GPGPU（General Purpose Graphics Processing Unit，通用图形处理器）并行结构，研究、建立适合并行处理技术的不变特征图像匹配模型；2.分别在GPU、CPU上实现模型的算法，分析该模型在GPU、CPU上的性能，并利用该技术处理实际的航拍照片；3.分析行业发展趋势，选择有前途的、支持GPU的手持设备，研究不变特征图像匹配模型在该设备上的移植、实现，并分析其性能。

项目针对基于不变特征点的图像特征点提取和匹配算法进行理论研究，并研究了算法在手持设备GPU上并行实现的相关问题。提出了一种基于格网的阈值自动调整的特征点提取方法。该方法将图像划分成格网，在每个格网上设定阈值进行特征点提取，当格网内特征点数目不符合阈值要求时通过自动调整阈值来改变该格网最终提取到的特征点数目。实验表明，该方法在保留特征点代表性的同时，减少了提取的特征点（数量减少了8.8%~12.2%），避免了特征点聚集现象，实现了2.88~2.37加速，可以减小后续工作的复杂度。在Matlab/Simulink中实现了该特征提取模块并进行后续的特征点匹配，测试结果表明，基于FPGA实现算法的速度约为基于Matlab的60倍。从两个方面改进KAZE匹配算法：一方面使用动态步长提取特征点，在保证匹配率的前提下减少了特征提取时间。另一方面，提出调整余弦距离匹配算法。实验表明，KAZE调整余弦距离动态匹配算法不仅提高了匹配对数（1.06~35.41倍），而且提高了匹配率（从94.12%提高到97.34%）。使用该算法，实现了多光谱遥感影像的匹配，对多光谱遥感影像和全色影像进行了融合。针对ASIFT穷举模拟影像匹配带来的海量特征描述符提取以及高维距离计算问题，提出一种自适应选取最优仿射变换集，通过大幅减少模拟影像数量，进而提高 ASIFT宽基线立体影像匹配效率的方法。实验表明，本方法较好地兼顾了ASIFT宽基线立体影像匹配的稳健性与效率，具有实用价值。本算法在SIFT基本失效的情形下仍能得到较稳健的匹配效果；与ASIFT相比，虽然匹配点数量上有一定的减少，但最小绝对匹配点数量仍达到了96；与此同时，影像模拟数目的大幅减少使本文算法计算效率大幅提升（14.72~27.68倍）。研究了相关图像处理算法在安卓手机GPU上实现的问题。并且通过实验验证了通过RenderScript调用手机GPU实现的算法，速度是通过JNI方法调用CPU实现算法的2.3~8.5倍，且原始图像越大加速越多。