基于GPU的高分辨率图像实时增强方法技术

本发明专利技术公开了一种基于GPU的高分辨率图像实时增强方法，对输入图像进行高斯曲率滤波，之后，根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制获得增强图像。本发明专利技术的基于坐标分离的并行高斯曲率滤波并行实现方法，解决了相邻像素干扰问题，加快了滤波收敛速度，在同样迭代次数下，比所有像素同步更新的传统方法能够更快地去除噪声，改善图像质量。

【技术实现步骤摘要】
基于GPU的高分辨率图像实时增强方法
本专利技术属于图像处理
，具体涉及一种基于GPU的高分辨率图像实时增强方法。
技术介绍
近年来，随着半导体技术的快速发展，图形处理器(GPU)的计算能力得到了极大的提升，相比于CPU，其具有更强的算术运算能力和更高的存储器带宽，在细粒度并行处理方面具有很大的优势；同时，随着CUDA以及OpenCL等开发工具的发布，并行计算的编程难度进一步降低，这使得基于GPU的并行计算在机器学习以及计算机视觉等领域受到了广泛关注，也逐渐成为图像处理领域的一个研究热点。基于高斯曲率滤波和梯度场重构的图像增强算法通过梯度变换来增强图像对比度，采用高斯曲率滤波对重构过程中的噪声进行抑制，在增强图像细节的同时，能够有效解决噪声扩散和放大问题，具有良好的增强效果。但是算法涉及的滤波运算很多，计算量非常大，随着图像分辨率以及重构迭代次数的增加，传统的基于CPU的实现方法难以保证实时性，无法满足实际应用需求。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种基于GPU的高分辨率图像实时增强方法。为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术实施例提供一种基于GPU的高分辨率图像实时增强方法，该方法为：对输入图像进行高斯曲率滤波，之后，根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制获得增强图像。上述方案中，该方法还包括对所述重构后的输入图像进行噪声抑制获得一次增强图像之后，根据一次增强图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制，如此重复至少两次后获得最终增强图像。上述方案中，所述对输入图像进行高斯曲率滤波，具体通过以下步骤实现：步骤101：将输入图像的每一像素视为中心像素，在邻域像素构成的8个切平面，寻找与中心像素距离最近的面，并对中心像素值进行修正使其落在该面上；步骤102：对于(i,j)坐标处的图像像素分别计算与领域窗口内的像素构成的8个切平面的距离：d5＝Ui-1,j+Ui,j-1-Ui-1,j-1-Ui,jd6＝Ui-1,j+Ui,j+1-Ui-1,j+1-Ui,jd7＝Ui,j-1+Ui+1,j-Ui+1,j-1-Ui,jd8＝Ui,j+1+Ui+1,j-Ui+1,j+1-Ui,j其中，Ui,j表示(i,j)坐标处图像的像素值；步骤103：根据最小距离调整法对(i,j)坐标处的图像像素值进行修正：|dk|＝min{|dl|,l＝1...8}；步骤104：采用域分解方法将输入图像按照奇偶坐标划分为四组不同像素，对各组交替更新；步骤105：经过坐标分离，其中一组像素值修正更新时，该组像素周围领域像素值不变，当一组像素更新之后，图像局部曲率有所下降，然后再依次更新其余三组像素，完成高斯曲率滤波。上述方案中，所述根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，具体为：根据滤波后的输入图像确定该输入图像的梯度，基于坐标分离的并行高斯曲率滤波对所述梯度进行滤波处理，对滤波后的梯度进行非线性变换获得变换后的梯度场，根据所述变换后的梯度场重构输入图像。上述方案中，所述对滤波后的梯度进行非线性变换获得变换后的梯度场，具体为：梯度场T的非线性变换函数采用指数变换形式：其中，U为输入图像，T为变换后的梯度场，▽为梯度算子，▽U为图像梯度，|▽U|为图像梯度模值，g(·)为变换系数函数，变换系数函数形式为：其中，e为自然对数的底数；所述图像梯度和图像梯度模值通过中央差分算法表示为：其中，Ui,j表示(i,j)坐标处图像的像素值，表示(i,j)坐标处梯度的m分量。上述方案中，所述根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，重构过程通过最小化一个能量泛函实现，即其中，E(·)为能量泛函，Ω为图像定义域；所述能量泛函的极小值通过迭代偏微分方程得到，即U′＝U-δt*(ΔU-divT)其中，U′表示重构输出，U表示重构输入，δt表示迭代步长，本专利技术中δt＝0.3，Δ为拉普拉斯算子，div为散度算子；所述拉普拉斯算子和散度算子基于中央差分算法表示为：ΔU＝Ui,j+1+Ui,j-1+Ui+1,j+Ui-1,j-4*Ui,j其中，表示梯度场T中(i,j)坐标处的n分量。与现有技术相比，本专利技术的有益效果：第一，本专利技术的基于坐标分离的并行高斯曲率滤波并行实现方法，解决了相邻像素干扰问题，加快了滤波收敛速度，在同样迭代次数下，比所有像素同步更新的传统方法能够更快地去除噪声，改善图像质量；第二，本专利技术的线程网络设计方法，通过分析处理器资源限制瓶颈，优化寄存器使用以及算法流程，使得并行程序中每个多处理器执行的线程束数量达到了理论最大值，充分利用计算资源；第三，本专利技术的基于GPU的高分辨率图像实时增强方法，相对于CPU平台，实现200倍以上的加速效果，而且图像分辨率越高，获得的加倍速率越高，最高能够达到302倍的加速效果，实现4096×4096分辨率图像的实时处理(>20fps)。附图说明图1为本专利技术实施例提供一种基于GPU的高分辨率图像实时增强方法的流程图；图2为本专利技术的一幅待增强图像；图3为本专利技术的图像域分解示意图；图4为本专利技术中同步更新发和坐标分离法滤波结果对比，其中，(a)为原始图像，(b)为同步更新法滤波结果，(c)为坐标分离法滤波结果；图5为本专利技术中的GPU配置与线程束使用率关系图；图6为本专利技术中基于CPU的图像增强算法处理结果；图7为本专利技术中基于GPU的图像增强算法处理结果；图8为本专利技术中CPU与GPU处理结果的残差图像；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例提供一种基于GPU的高分辨率图像实时增强方法，如图1所示，该方法通过以下步骤实现：步骤1：读取一幅待增强图像到主机内存；具体地，待增强图像分辨率分别有512×512、1024×512、1024×1024、2048×1024、2048×2048、4096×2048和4096×4096，且对待增强图像添加0％-5％椒盐噪声，以验证并行算法的精度。由图2可以看出，待增强图像受到椒盐噪声干扰而变得模糊。步骤2：对所述输入图像进行高斯曲率滤波；具体地，所述对输入图像进行高斯曲率滤波，具体通过以下步骤实现：步骤201：将输入图像的每一像素视为中心像素，在邻域像素构成的8个切平面中，寻找与中心像素距离最近的面，并对中心像素值进行修正使其落在该面上；步骤202：对于(i,j)坐标处的像素，分别计算它与领域窗口内的像素构成的8个切平面的距离：d5＝Ui-1,j+Ui,j-1-Ui-1,j-1-Ui,jd6＝Ui-1,j+Ui,j+1-Ui-1,j+1-Ui,jd7＝Ui,j-1+Ui+1,j-Ui+1,j-1-Ui,jd8＝Ui,j+1+Ui+1,j-Ui+1,j+1-Ui,j其中，Ui,j表示(i,j)坐标处图像的像素值。步骤203：根据最小距离调整法对(i,j)坐标处的图像像素值进行修正：|dk|＝min{|dl|,l＝1.本文档来自技高网...

【技术保护点】
1.一种基于GPU的高分辨率图像实时增强方法，其特征在于，该方法为：对输入图像进行高斯曲率滤波，之后，根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制获得增强图像。

【技术特征摘要】
1.一种基于GPU的高分辨率图像实时增强方法，其特征在于，该方法为：对输入图像进行高斯曲率滤波，之后，根据滤波后的输入图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制获得增强图像。2.根据权利要求1所述的基于GPU的高分辨率图像实时增强方法，其特征在于，该方法还包括对所述重构后的输入图像进行噪声抑制获得一次增强图像之后，根据一次增强图像的梯度结合基于坐标分离的并行高斯曲率滤波重构输入图像，对所述重构后的输入图像进行噪声抑制，如此重复至少两次后获得最终增强图像。3.根据权利要求1或2所述的基于GPU的高分辨率图像实时增强方法，其特征在于，所述对输入图像进行高斯曲率滤波，具体通过以下步骤实现：步骤101：将输入图像的每一像素视为中心像素，在邻域像素构成的8个切平面，寻找与中心像素距离最近的面，并对中心像素值进行修正使其落在该面上；步骤102：对于(i,j)坐标处的图像像素分别计算与领域窗口内的像素构成的8个切平面的距离：d5＝Ui-1,j+Ui,j-1-Ui-1,j-1-Ui,jd6＝Ui-1,j+Ui,j+1-Ui-1,j+1-Ui,jd7＝Ui,j-1+Ui+1,j-Ui+1,j-1-Ui,jd8＝Ui,j+1+Ui+1,j-Ui+1,j+1-Ui,j其中，Ui,j表示(i,j)坐标处图像的像素值；步骤103：根据最小距离调整法对(i,j)坐标处的图像像素值进行修正：|dk|＝min{|dl|,l＝1...8}；步骤104：采用域分解方法将输入图像按照奇偶坐标划分为四组不同像素，对各组交替更新；步骤105：经过坐标分离，其中一组像素值修正更新时，该组像素周围领域像素值不变，当一组像素更新之后，图...

【专利技术属性】
技术研发人员：周慧鑫，黄楙森，成宽洪，赵东，宋江鲁奇，于跃，李欢，姚博，秦翰林，杜娟，宋尚真，谭威，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61