1. 研究目的与意义（文献综述）

随着移动硬件的高速发展，移动应用程序具有更加强大的功能。特征检测在图像处理应用中相当重要，在移动领域越来越受重视。尺度不变特征转换(scale-invariant feature transform 或 sift)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。局部影像特征的描述与侦测可以帮助辨识物体，sift 特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。sift 方法所提取的特征点不仅对图像缩放、平移和旋转变换具有不变性，而且对光照变化以及复杂的仿射和投影变换也具有部分不变性，被广泛应用到物体检测和识别、图像配准与融合、纹理识别、场景分类、人脸检测、图像检索、数字水印、影像追踪等众多领域．针对不同的场景．对光照变化、图像几何变形、分辨率差异、旋转、模糊和图像压缩等 6 种情况，就多种最具代表性的描述子(如 sift、矩不变量、互相关等 10 种特征描述子)进行了性能比较．结果表明，基于 sift 的特征描述子性能最好．但是 sift 算法时间复杂度高，难以在实时环境使用。我们需要改进 sift 的实现方式来提高其实用性，异构并行编程模型可以显著提升 sift 算法的运行效率。

2. 研究的基本内容与方案

2.1研究的基本内容

1）研究opencl和sift特征匹配算法。

3. 研究计划与安排

1—2周：查阅相关文献，学习 opencl 和 sift 算法的相关知识；

3—4周：翻译外语资料，写开题报告；

4. 参考文献（12篇以上）

[1]章毓晋.图象处理和分析（图象工程上册），清华大学出版社，2004

[2]张明照，戚红雨.应用 matlab 语言处理数字信号与数字图像，北京，科学出版社，2000