الگوریتم scale invariance feature transform (sift) یکی از شناخته شده ترین الگوریتم های استخراج ویژگی از تصویر است. از ویژگی های استخراجی توسط این الگوریتم برای جستجو و تطابق محتوایی تصاویر استفاده می شود. این الگوریتم قابلیت های بالایی در بازیابی محتوایی اطلاعات از تصاویر و ویدئو دارد. در عین حال الگوریتم نیاز زیادی به منابع پردازشی و حافظه ای دارد. به همین دلیل استفاده از این الگوریتم در کاربردهایی که با حجم بالایی از داده ها سروکار دارند محدود شده است. به منظور بهره گیری کامل از این الگوریتم باید راه حل مناسبی برای از بین بردن سدهای موجود در راه استفاده از این الگوریتم ارائه کرد. دو راه کار کلی برای فائق آمدن به محدودیت توان پردازشی و حافظه ای استفاده از پیاده سازی های موازی و توزیع شده می باشند.در این پایان نامه ابتدا یک پیاده سازی موازی از الگوریتم sift بر روی پردازنده های کارت گرافیک ارائه می شود. این پیاده سازی از نظر دقت و افزایش سرعت با یک پیاده سازی بهینه سریال مقایسه شده است. پیاده سازی موازی به افزایش سرعت 4 برابری دست پیدا کرده است. این در حالی است که از یک پردازنده گرافیک سطح پایین در مقابل یک پردازنده قدرتمند استفاده شده است. نتایج ارزیابی نشان می دهند پیاده سازی موازی دقت الگوریتم را کاهش نداده است. طراحی و پیاده سازی معماری توزیع شده ارائه شده برای الگوریتم در ادامه به طور کامل شرح داده می شود. سیستم ساخته شده امکان استفاده هم زمان از پردازنده های گرافیک و پردازنده های چند هسته ای را دارد. توان عملیاتی پیاده سازی توزیع شده به طور کامل مورد بررسی قرار گرفته است. نتایج آزمایش ها نشان می دهند که کارایی سیستم در حدود 95% است. سیستم ساخته شده توان عملیاتی بالایی برای بهره گیری از منابع مختلف و ناهمگن دارد. همچنین معماری ارائه شده امکان اجرای الگوریتم sift بر روی تصاویر بسیار بزرگ را فراهم می کند.