形状匹配是按照一些预先设定好的度量准则对形状之间的相似性进行衡量的方法,是计算机视觉和模式识别领域的一个基本问题。形状上下文算法是近年来提出的基于形状轮廓点集的形状匹配算法,在文字识别、人脸识别、基于内容的图像检索、智能视频监控等诸多领域得到了广泛的应用。传统的形状上下文算法只能匹配简单形状而且存在以下的不足：1.对形状的轮廓非常敏感,比较容易受噪声的影响。2.边界提取获得轮廓点是均匀或者随机的,不能很好的表示形状而且存在冗余。3.算法中把质心点作为坐标中心计算极坐标直方图,不能获取相匹配的点集合并且计算质心点的过程十分复杂而且耗时。本文针对以上不足有针对性的对算法进行改进,改进的算法首先在图像预处理的过程中采用中值滤波的方法以克服噪声的影响,模糊形状的轮廓。第二改进边界提取方法使获得的边界点既保留了重要的特征点又比较少。第三把算法中求取以质心点为中心的极坐标直方图的改为求取以边界点的为中心,保留相匹配的点集并且降低算法的复杂度。经试验分析改进后的算法能够有效的匹配形状。改进后的形状上下文算法图像预处理的中值滤波、极坐标直方图的统计和匹配代价Cost值的计算三个部分非常耗费时间,限制了其在大规模比对图像上的能力。本文针对这三部分探讨了它们并行计算的可能,利用GPU加速算法实现,有效降低整个算法的处理时间,获得了较好的加速比,使其大规模比对图像成为可能。