基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

基于多核CPU和GPU的高光谱数据并行几何校正

针对高光谱几何校正计算复杂,大数据量频繁传输降低处理效率,无法满足实时需求等问题,提出基于多核CPU和GPU的并行计算模型。实现基于GPU的并行几何校正,并引入流水线并行思想提出基于多线程的数据读写优化方法,实现重采样部分的数据I/O优化。应用航空推扫成像仪所得高光谱数据进行实验,验证该方法能够有效地隐藏部分硬盘与内存间的数据I/O时间,几何校正加速比达到4.03,在基于GPU的并行计算基础上提高了1.74倍。     

采用SIFT特征的高光谱数据自动几何精校正

针对几何精校正过程中人工选取控制点误差大、未考虑高光谱数据光谱特征一致性等问题,提出了基于SIFT特征的自动几何精校正方法。首先提取图像的SIFT特征,利用高光谱数据的地理坐标定位进行局部特征匹配,然后为了进一步提取高精度、分布均匀的控制点,提出了一种分区域的随机采样一致（Random Sample Consensus,RANSAC）算法。利用航空高光谱成像仪Hymap获取的新疆东天山数据进行算法性能的分析与验证,并采用CE90/CE95以及均方根误差等指标进行定位精度的评价,提出的基于SIFT特征的自动几何精校正方法能够达到0.8像元的定位精度,并且校正前后光谱的光谱角小于0.01 rad。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

遥感图像PCA融合的并行算法研究与实现

文章针对已有的遥感图像PCA融合串行算法，提出了一种基于数据并行的新的PCA融合并行算法PPCA．并对该并行算法进行了通信优化，在机群系统上进行了实现。针对IKONOS图像进行实验的结果表明该算法可获得良好的并行加速比．并行效率较高，为遥感图像的实际应用提供了有益的指导和借鉴。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。     

基于改进SIFT的图像拼接算法

针对目前基于SIFT的图像拼接算法复杂度较高和特征点匹配不准等问题,提出了一种基于改进SIFT的图像拼接算法。算法利用改进的SIFT进行特征提取,降低了算法的复杂度,同时采用模拟退火算法进行特征点匹配,从而估计出几何变换的参数。实验结果表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰都具有良好的鲁棒性,可实现高质量的图像拼接。     

基于多图像特征的遥感图像配准新方法

针对不同视角遥感图像配准中的非刚性几何畸变造成的配准误差,文章提出了一种基于尺度不变特征变换(SIFT)特征距离和几何结构描述符的精确方法,用于解决中等地形起伏和成像视点变化条件下遥感图像的配准问题。该方法采用尺度不变特征变换和部分强度不变特征描述符提取可靠的特征点集,利用变换过程中约束几何结构的多图像特征,提出一种新的算法来估计点集之间的精确对应关系。包括特征描述符提取、基于几何结构约束的改进SIFT特征点集配准和非刚性图像变换等步骤。对不同视点的无人机图像和卫星图像的实验结果表明,该方法相对于目前几种先进方法具有更佳的配准性能。     

奇异值分解算法优化

奇异值分解算法在信号处理、图像处理、信息安全等领域均有重要应用.针对该算法存在的性能问题,提出了基于gamma:1驱动的数据重用模型,提高计算负载平衡性,降低数据通信量;给出基于多处理器的并行分解模型,数值试验均表明算法具有较高的并行加速比和效率.     

采用高频能量的CT几何参数自标定方法

针对锥束CT系统中几何参数失配引起几何伪影的问题,提出了一种采用空域高频能量的几何伪影自校正算法。该算法以重建图像的空域高频能量为目标函数建立优化模型,通过单纯形法迭代求解使空域高频能量最大的几何参数最优解。利用投影图像的特性提取部分参数作为输入初值,减小算法搜索范围。并采用图形处理器（Graphic Processing Unit,GPU）对自校正过程中的图像重建并行加速,减少重建时间,提高校正速度。实验结果表明:该算法具有较高的求解精度,最大相对误差不超过5%,对重建图像中的几何伪影有较好的校正效果。同时,在不影响精度的情况下减少了迭代次数,算法执行效率提高了18.8%。