[發明專利]基于GPU計算平臺的圖像并行配準方法、系統、裝置有效
| 申請號: | 202010326223.2 | 申請日: | 2020-04-23 |
| 公開(公告)號: | CN111539997B | 公開(公告)日: | 2022-06-10 |
| 發明(設計)人: | 趙美婷;蒿杰;呂志豐;范秋香 | 申請(專利權)人: | 中國科學院自動化研究所;廣東人工智能與先進計算研究院 |
| 主分類號: | G06T7/37 | 分類號: | G06T7/37;G06T1/20;G06F9/50 |
| 代理公司: | 北京市恒有知識產權代理事務所(普通合伙) 11576 | 代理人: | 郭文浩;尹文會 |
| 地址: | 100190 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 gpu 計算 平臺 圖像 并行 方法 系統 裝置 | ||
1.一種基于GPU計算平臺的圖像并行配準方法,其特征在于,所述GPU計算平臺中GPU的數量為X,所述方法包括以下步驟:
步驟S100,獲取模板圖像,并通過第一配準算法獲取所述模板圖像的頻域數據,作為第一數據,將所述第一數據分別存儲至各GPU的顯存中;所述第一配準算法為基于傅里葉變換的配準算法;
步驟S200,將所述模板圖像進行分割,得到N個分辨率相同的圖像,并分別通過所述第一配準算法計算得到其對應的頻域數據,作為第二數據,將所述第二數據分別存儲至各GPU的顯存中;
步驟S300,獲取待配準圖像組,將所述待配準圖像組中的待配準圖像進行劃分,并分別輸入至X個內存緩沖區中;
步驟S400,各GPU讀取其對應的內存緩沖區中待配準圖像至顯存,并通過核函數和第一配準算法分別獲取各待配準圖像的頻域圖像,作為第三數據;基于所述第一數據、所述第三數據,通過預設的平移參數計算方法獲取待配準圖像的平移參數并進行平移,將平移后的待配準圖像作為第一圖像;
步驟S500,將所述第一圖像進行分割,得到N個分辨率相同的第二圖像,并分別通過所述第一配準算法計算得到其對應的頻域數據,作為第四數據;基于所述第二數據、所述第四數據,通過所述預設的平移參數計算方法獲取所述第二圖像的平移參數并進行平移,得到配準后的圖像。
2.根據權利要求1所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,步驟S200中“將所述模板圖像進行分割”和步驟S500中“將所述第一圖像進行分割”是基于預設的分割方法進行分割,所述預設的分割方法為:通過設置預設參數的滑動窗口對待分割圖像進行分割,分割后得到N個分辨率相同的小圖像,N的計算公式為:
其中,W為待分割圖像的寬度,H為待分割圖像的高度,Sw為滑動窗口的寬度,Sh為滑動窗口的高度,D為滑動窗口的滑動步長。
3.根據權利要求1所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,步驟S400中所述預設的平移參數計算方法具體包括以下步驟:
步驟A100,基于所述第一數據和所述第三數據,通過CUDA庫函數和傅里葉逆變換計算得到各待配準圖像的時域數據;
步驟A200,基于所述時域數據,通過核函數計算獲取各待配準圖像的平移參數。
4.根據權利要求1所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,所述GPU計算平臺還包括CPU,所述方法還包括以下步驟:
步驟S600,各GPU分別將配準后的圖像傳輸至CPU內存,并儲存至硬盤。
5.根據權利要求1所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,所述步驟S100中“通過第一配準算法獲取所述模板圖像的頻域數據”在GPU內完成。
6.根據權利要求5所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,所述步驟S200中“通過預設的分割方法將所述模板圖像進行分割,得到N個分辨率相同的圖像,并分別通過所述第一配準算法計算得到其對應的頻域數據,作為第二數據”在GPU內完成。
7.根據權利要求1所述的基于GPU計算平臺的圖像并行配準方法,其特征在于,步驟S300中“將所述待配準圖像組中的待配準圖像進行劃分”是基于待配準圖像的數量和GPU的數量將所述待配準圖像組中的待配準圖像進行劃分。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國科學院自動化研究所;廣東人工智能與先進計算研究院,未經中國科學院自動化研究所;廣東人工智能與先進計算研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010326223.2/1.html,轉載請聲明來源鉆瓜專利網。





