自适应SSDA图像匹配并行算法设计与实现

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (20): 64-67.

自适应SSDA图像匹配并行算法设计与实现

张维琪，樊斐

西安建筑科技大学信息与控制工程学院，西安 710055

出版日期:2014-10-15 发布日期:2014-10-28

Design and realization of adaptive threshold sequential similarity detection image matching parallel algorithm

ZHANG Weiqi, FAN Fei

College of Information and Control Engineering, Xi’an University of Architecture and Technology, Xi’an 710055, China

Online:2014-10-15 Published:2014-10-28

摘要/Abstract

摘要： 为了充分利用多核处理器的硬件资源和计算能力来提高图像匹配应用的实时性，通过对自适应阈值SSDA图像匹配算法原理的分析，基于任务分解的多核并行编程模式思想，设计了一种自适应阈值SSDA图像匹配并行算法，并在多核计算机上采用OpenMP模型编程实现该并行算法，同时还进行了相关的代码优化。实验结果表明，优化后的并行算法在保持匹配算法精度的同时大大提高了匹配速度和多核利用率，取得了良好的效果。

关键词: 多核并行, OpenMP, 自适应序列相似性检测算法（SSDA）, 图像匹配

Abstract: To take full advantage of multi-core processors hardware resource and computing capacity for improving the real-time of the image matching, by analyzing the theory of adaptive threshold sequential similarity detection algorithm, the related parallel algorithm, based on the multi-core and parallel programming model of task decomposition, is designed and realized by use of OpenMP programming model on multi-core computers, and then optimized. Experimental results show that the optimized parallel programs also increase the match speed, improve the multi-core utilization and achieve the expected effects well, in addition to keep the image match accuracy.

Key words: multi-core parallel, OpenMP, adaptive Sequential Similarity Detection Algorithms（SSDA）, image matching

张维琪，樊斐. 自适应SSDA图像匹配并行算法设计与实现[J]. 计算机工程与应用, 2014, 50(20): 64-67.

ZHANG Weiqi, FAN Fei. Design and realization of adaptive threshold sequential similarity detection image matching parallel algorithm[J]. Computer Engineering and Applications, 2014, 50(20): 64-67.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[3]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[4]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.
[5]	李佳芮，黄斯翀，徐修贤，康希睿，汪沛. 融合边缘信息和扩展邻域的异源图像匹配[J]. 计算机工程与应用, 2019, 55(14): 182-190.
[6]	陈亚中1，李振军1，李荣华1，毛睿1，乔少杰2. TSCAN：利用并行策略改进的图结构聚类算法[J]. 计算机工程与应用, 2019, 55(1): 76-83.
[7]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[8]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[9]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[10]	徐天阳，吴小俊. 基于Gabor变换的快速跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 134-138.
[11]	刘　　洋，杨金民. OpenMP程序中基于活跃变量分析的检查点优化[J]. 计算机工程与应用, 2016, 52(4): 31-41.
[12]	张红1，2，王晓明1，曹洁2，马彦宏3，郭义戎1，王慜1. Hadoop云平台MapReduce模型优化研究[J]. 计算机工程与应用, 2016, 52(22): 22-25.
[13]	兰红，王秋丽. 基于聚类和马氏距离的多角度SURF图像匹配算法[J]. 计算机工程与应用, 2016, 52(21): 211-217.
[14]	付偲1，2，邓丽1，2，卢根1，2，费敏锐1，2. 基于快速视网膜关键点算法改进的图像匹配方法[J]. 计算机工程与应用, 2016, 52(19): 208-212.
[15]	王宪保，潘海飞，章国琼，何文秀，姚明海. 一种快速的加权矢量图像匹配方法[J]. 计算机工程与应用, 2016, 52(16): 137-141.