基于CUDA的指纹识别加速算法的研究

摘要

基于特征点匹配的指纹识别算法是目前在安防领域中使用最为广泛的指纹识别算法，通常可采用FPGA、DSP等硬件实现现场的实时处理。但当指纹污损较为严重时，该硬件系统或者难以识别，或者由于算法过于复杂，难以满足实时性要求。而基于光学联合变换相关的指纹识别算法，是采用光学系统对待识别指纹与系统库指纹进行互相关运算，对污损指纹的识别具有一定的鲁棒性。并且，利用光学系统的高度并行性可实现系统的快速识别，满足实时性要求。但该系统的搭建对环境要求较高，在很多场合难以普及。
　　 本文提出了一种基于方向滤波的联合变换相关指纹识别算法，利用指纹在不同方向的图像特征进行联合变换相关运算，大幅提高了指纹识别的准确度。在此基础上，本文基于GPU平台编写了联合变换相关指纹识别的并行处理算法，提高了应用场合的灵活性，同时也满足了系统处理速度的实时性要求。围绕指纹识别算法在GPU平台下的加速实现，本文研究工作主要包含以下几个方面:
　　 (1)讨论了基于GPU的CUDA线程执行机制、线程结构模型、存储器层次模型和软件体系，采用VS2008搭建了CUDA实验平台，根据测试的实验环境参数设计了针对本文课题的CUDA线程分配模型。
　　 (2)深入研究了基于方向滤波的联合变换相关指纹识别算法，采用NVID(I)AGeForce GT525M显卡，在VC平台下实现了基于GPU的并行运算，验证了GPU加速实现联合变换相关的可行性。
　　 (3)深入研究了包括图像去噪、图像分割和图像增强的指纹预处理算法，基于VC开发平台，分别讨论了CPU和GPU实现方案，并对基于CUDA的预处理算法作了加速性能测试。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景

1．2 国内外研究现状

1．2．1 联合变换相关识别的国内外研究现状

1．2．2 基于GPU的通用计算技术研究

1．3 本文课题研究的内容

第2章 基于GPU的软硬件体系与实验环境

2．1 GPU与CPU硬件结构的对比

2．2 基于SM的线程处理机制

2．3 内核函数与线程结构

2．4 CUDA存储器结构模型

2．5 CUDA软件体系

2．6 实验平台与设备参数

2．7 本章小结

第3章 联合变换相关指纹识别算法的CUDA加速实现

3．1 联合变换相关识别的算法原理

3．2 联合变换相关算法的实现流程

3．3 基于CUDA的联合变换相关算法

3．4 方向滤波

3．5 基于CUDA的联合变换相关算法的加速性能测试

3．6 本章小结

第4章 指纹识别预处理算法的CUDA实现

4．1 图像去噪算法

4．2 指纹图像梯度场的计算

4．3 指纹图像分割算法

4．4 指纹图像增强算法

4．5 指纹图像的细化

4．6 基于CUDA的算法分析与实现流程

4．7 基于CUDA的指纹预处理算法的加速性能测试

4．8 本章小结

结论

参考文献

致谢

研究生履历