[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

本發明屬于圖像配準技術領域，具體涉及一種基于GPU計算平臺的圖像并行配準方法、系統、裝置，旨在解決現有技術中海量圖像下基于傅里葉變換的圖像配準算法處理效率低的問題。本發明提供的基于GPU計算平臺的圖像并行配準方法，將圖像配準并行化，對海量圖像進行多GPU任務劃分，根據圖像分辨率大小劃分子任務，將子任務分配給GPU的線程塊，在核函數內基于傅里葉變換的配準算法并行完成數據計算，從而對圖像配準進行加速，且傅里葉變換的配準算法每一個子步驟均是在GPU核函數內完成，使得每個GPU內最大化并行效率。本發明采用異步傳輸的方式實現數據傳輸、配準、傳回和寫入磁盤三個過程流水線并行，提高了海量圖像并行配準的效率，做到實時處理。

技術領域

本發明屬于圖像配準技術領域，具體涉及一種基于GPU計算平臺的圖像并行配準方法、系統、裝置。

背景技術

圖像配準是圖像處理中的一種重要技術，主要是指同一目標的兩幅或者兩幅以上的圖像在空間位置的對準，通過尋找一種空間變換把一幅圖像映射到另一幅圖像上，使得兩圖中對應于空間同一位置的點一一對應起來的過程。圖像配準是精準獲得圖像信息的重要步驟，在遙感圖像、醫學圖像、計算機視覺和目標定位，甚至是神經研究等多個領域都有廣泛研究與應用。

圖像配準算法根據不同的方法有著不同的分類方式，包括基于特征的配準算法、基于頻域變換的圖像配準算法和基于灰度的圖像配準算法。其中，基于頻域的圖像配準算法也是目前應用比較廣泛的配準算法，其中最常用的有傅里葉變換。這種算法對配準中的圖像平移和縮放都有較高的包容性，但是該算法計算的數據量非常大，尤其是對高分辨率圖像進行配準時，圖像處理的效率比較低，也限制了研究人員們的科研效率。尤其是在處理海量圖像數據時，更是大大的降低了處理效率，在實際研究中較長的圖像配準等待成為了一大難題與研究熱點。

近年來，圖形處理器(Graphics Processing Unit，GPU)已經成為了高性能并行計算領域的首選加速器件。其中使用GPU解決并行計算的重要手段是使用CUDA(ComputeUnified Device Architecture)架構。CUDA是NVIDIA公司在2007年發布的編程模型，為CPU+GPU的異構編程模型。CUDA的出現使得GPU編程變得更簡單，功能更強大，應用領域更為廣泛。海量數據下的圖像配準時間長、效率低等問題限制了研究效率，對此進行算法并行加速就顯得十分必要，使用GPU對算法進行加速成為本領域亟需解決的問題。

發明內容

為了解決現有技術中的上述問題，即為了解決現有技術中海量圖像下基于傅里葉變換的圖像配準算法處理效率低的問題，本發明第一方面提供一種基于GPU計算平臺的圖像并行配準方法，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。