一種用于計(jì)算機(jī)圖形圖像處理的、基于gpu平臺(tái)和形態(tài)學(xué)分量分析的快速圖像分割方法
【專利摘要】本發(fā)明公開(kāi)了一種用于計(jì)算機(jī)圖形圖像處理的、基于GPU平臺(tái)和形態(tài)學(xué)分量分析的快速圖像分割方法。針對(duì)傳統(tǒng)的圖像分割技術(shù)運(yùn)算效率低、分割效果不佳，提出一種基于GPU平臺(tái)和形態(tài)學(xué)分量分析的快速圖像分割方法，能有效的減少運(yùn)算時(shí)間、顯著的提高分解效果。其實(shí)現(xiàn)步驟如為：由于本發(fā)明充分的利用了GPU并行運(yùn)算的優(yōu)勢(shì)，并且實(shí)現(xiàn)了形態(tài)學(xué)分量分析的算法，大大提高圖像分割的效率，從而實(shí)現(xiàn)圖像的快速分割。
【專利說(shuō)明】-種用于計(jì)算機(jī)圖形圖像處理的、基于GPU平臺(tái)和形態(tài)學(xué) 分量分析的快速圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息【技術(shù)領(lǐng)域】，更進(jìn)一步涉及數(shù)字圖像處理【技術(shù)領(lǐng)域】中一種用圖形 處理單兀（Graphics Processing Unit，GPU)通過(guò)形態(tài)分量分析方法（Morphological Component Analysis, MCA)來(lái)實(shí)現(xiàn)圖像的快速分割。該技術(shù)可以廣泛應(yīng)用于圖像分割、目標(biāo) 檢測(cè)與識(shí)別等領(lǐng)域。
【背景技術(shù)】
[0002] 圖像處理和計(jì)算機(jī)視覺(jué)中的一個(gè)重要問(wèn)題是區(qū)分圖像的不同特征，圖像分割的目 的是分離圖像中具有不同特征的成分，圖像可以由圖像結(jié)構(gòu)和圖像紋理兩部分組成，其中， 圖像結(jié)構(gòu)部分包含了圖像的幾何特征信息，由分片光滑的區(qū)域及清晰的邊緣構(gòu)成。而圖像 紋理部分則是由圖像的高頻震蕩分量和噪聲組成。近年來(lái)，圖像分割成為低層視覺(jué)和圖像 處理中的一個(gè)前沿領(lǐng)域，成功的圖像分割方法在眾多科學(xué)和【技術(shù)領(lǐng)域】中具有重要的應(yīng)用價(jià) 值，包括模式識(shí)別系統(tǒng)、醫(yī)學(xué)圖像處理、語(yǔ)音信號(hào)處理、通信系統(tǒng)等，所以提高圖像的分割效 果成為數(shù)字圖像處理領(lǐng)域的一個(gè)普遍需求。
[0003] 近年來(lái)，基于字典的稀疏表示方法在圖像處理中得到了越來(lái)越多的應(yīng)用。在字典 設(shè)計(jì)方面，構(gòu)造出了許多種有效的解析字典，如小波域字典、離散余弦字典、曲線波字典等， 從而提出了基于稀疏表示（SR, Sparse Representation)和形態(tài)學(xué)成分分析的圖像分割的 方法，大大的提高了圖像分割的效果。然而由于MCA圖像分割的過(guò)程中，一方面，需要兩個(gè) 預(yù)先設(shè)定的字典，一個(gè)用來(lái)描述圖像的紋理部分，另一個(gè)用來(lái)描述圖像的幾何結(jié)構(gòu)部分。為 了提高圖像分割的效果，往往這些字典的訓(xùn)練是由大量的具有相似內(nèi)容的訓(xùn)練樣本組成， 而傳統(tǒng)的字典訓(xùn)練方法需要消耗大量的時(shí)間。另一方面，在分割圖像的各個(gè)形態(tài)學(xué)分量過(guò) 程中，將圖像按照一個(gè)給定的字典中的原子來(lái)提取每個(gè)形態(tài)學(xué)分量，然后根據(jù)稀疏性約束 去尋找圖像分解逆問(wèn)題的可接受解。在分解過(guò)程中需對(duì)上述過(guò)程進(jìn)行數(shù)百次的迭代運(yùn)算， 從而消耗大量的計(jì)算時(shí)間。
[0004] 計(jì)算機(jī)圖形處理器（Graphics Processing Unit, GPU)的高速發(fā)展，不但促進(jìn)了圖 像處理、虛擬現(xiàn)實(shí)、計(jì)算機(jī)仿真等應(yīng)用領(lǐng)域的快速發(fā)展，同時(shí)也為人們利用GPU進(jìn)行圖形處 理以外的通用計(jì)算提供了良好的運(yùn)行平臺(tái)?；贕PU的圖形處理及其通用計(jì)算成為圖形學(xué) 及高性能計(jì)算領(lǐng)域的熱點(diǎn)研究課題。近年來(lái)，隨著圖形處理單元（GPU)和并行處理技術(shù)的 發(fā)展，并行圖像處理技術(shù)應(yīng)運(yùn)而生，并成為圖像處理領(lǐng)域和計(jì)算機(jī)科學(xué)領(lǐng)域的一個(gè)重要發(fā) 展方向，漸漸為各種理論的快速實(shí)現(xiàn)提供了一條嶄新而強(qiáng)有力的處理途徑。GPU是目前廣 泛存在于超級(jí)計(jì)算機(jī)，服務(wù)器、工作站、個(gè)人電腦、甚至在移動(dòng)設(shè)備中的圖形處理器，它集成 了幾何變換、光照、三角形構(gòu)造、裁剪和繪制引擎等功能，并具有每秒至少1千萬(wàn)個(gè)多邊形 的處理能力.。GPU極大提升了計(jì)算機(jī)圖形處理的速度、增強(qiáng)了圖形的質(zhì)量，并促進(jìn)了與計(jì) 算機(jī)圖形相關(guān)其它應(yīng)用領(lǐng)域的快速發(fā)展。與中央處理器（Central Processing Unit,CPU) 的串行設(shè)計(jì)模式不同，GPU為圖形處理設(shè)計(jì)，具有天然的并行計(jì)算特性。
[0005] 由于圖像數(shù)據(jù)本身就比較龐大，加之圖像分解技術(shù)往往不惜提高算法的復(fù)雜度換 取高質(zhì)量的分割效果。由于處理的時(shí)間太長(zhǎng)，目前現(xiàn)有的圖像分割技術(shù)是基于CPU的串行 運(yùn)算實(shí)現(xiàn)的，將會(huì)花費(fèi)大量的運(yùn)算時(shí)間。目前尚未發(fā)現(xiàn)相關(guān)專利或文獻(xiàn)上針對(duì)GPU平臺(tái)和 形態(tài)學(xué)分量分析的快速圖像分割方法的討論。
【發(fā)明內(nèi)容】
[0006] 發(fā)明目的：本發(fā)明所要解決的技術(shù)難題是針對(duì)傳統(tǒng)的圖像分割技術(shù)運(yùn)算效率低、 分割效果不佳，提出一種基于GPU平臺(tái)和形態(tài)學(xué)分量分析的快速圖像分割方法，能有效的 減少運(yùn)算時(shí)間、顯著的提高分解效果。
[0007] 實(shí)現(xiàn)本發(fā)明的技術(shù)思路是：利用GPU的并行計(jì)算以及圖像的形態(tài)學(xué)成分分析實(shí)現(xiàn) 一種快速圖像分割的技術(shù)，使并行實(shí)現(xiàn)的時(shí)間較串行實(shí)現(xiàn)時(shí)間大大縮短，從而達(dá)到快速分 割圖像的目的。主要步驟如下：
[0008] (1)進(jìn)行內(nèi)存分配優(yōu)化及初始化，將待分割的圖像讀入CPU內(nèi)存中，并初始化字典 矩陣；
[0009] 根據(jù)輸入圖像的分辨率大小統(tǒng)一分配CPU和GPU端內(nèi)存并初始化，并將待分割的 圖像讀入CPU內(nèi)存中，并初始化字典矩陣，使用局部余弦變換LDCT初始化圖像紋理部分字 典D t，使用小波變換初始化圖像結(jié)構(gòu)部分字典Dn
[0010] ⑵將圖像數(shù)據(jù)和初始字典從CPU內(nèi)存?zhèn)魉偷紾PU顯存中；
[0011] 將待分割的圖像數(shù)據(jù)f和初始字典Dt、Dn從CPU內(nèi)存?zhèn)魉偷紾PU顯存中。圖像f 中含有高斯白噪聲n，且圖像可以表示為f = u+v+n，其中u為圖像的結(jié)構(gòu)部分，v為圖像的 紋理部分。.
[0012] (3)在GPU平臺(tái)上固定圖像的紋理部分
【權(quán)利要求】
1. 一種用于計(jì)算機(jī)圖形圖像處理的、基于GPU平臺(tái)和形態(tài)學(xué)分量分析的快速圖像分割 方法，其特征在于，包括如下步驟： 1) 進(jìn)行內(nèi)存分配優(yōu)化及初始化，將待分割的圖像讀入CPU內(nèi)存中，并初始化字典矩陣； 根據(jù)輸入圖像的分辨率大小統(tǒng)一分配CPU和GPU端內(nèi)存并初始化，此后一直至程序運(yùn) 行結(jié)束前不在進(jìn)行內(nèi)存分配；并將待分解的圖像讀入CPU內(nèi)存中，并初始化字典矩陣，使用 局部余弦變換LDCT初始化圖像紋理部分字典Dt，使用小波變換初始化圖像結(jié)構(gòu)部分字典 Dn ; 2) 將圖像數(shù)據(jù)和初始字典從CPU內(nèi)存?zhèn)魉偷紾PU顯存中； 將待分割的圖像數(shù)據(jù)f和初始字典Dt、Dn從CPU內(nèi)存?zhèn)魉偷紾PU顯存中；假定圖像f中 含有高斯白噪聲n，且圖像可以表示為
其中u為圖像的結(jié)構(gòu)部分，v為圖像的紋 理部分；. 3) 在GPU平臺(tái)上固定圖像的紋理部分
分解出圖像的結(jié)構(gòu)部分
； 令Dn、Dt分別代表學(xué)習(xí)后的結(jié)構(gòu)部分、紋理部分的字典，所以令
，
;仏、\分別表示在結(jié)構(gòu)部分和紋理部分第i個(gè)位置的抽取像素塊算子， λ λ 2, λ 3為平衡參數(shù)。求解圖像結(jié)構(gòu)部分的子優(yōu)化問(wèn)題可描述為：
⑴ 這一過(guò)程學(xué)習(xí)到一個(gè)表示結(jié)構(gòu)部分的字典Dn，并對(duì)初始結(jié)構(gòu)圖像u(k) = f-v(k)做去噪 處理，因此得到一個(gè)去噪版本的結(jié)構(gòu)圖像u(k+1)，接下來(lái)將結(jié)構(gòu)圖像中剩余的紋理成分分離 出去，從而得到分離出紋理成分的結(jié)構(gòu)圖像u (k+2);子優(yōu)化問(wèn)題可描述為：
4) 在GPU平臺(tái)上固定圖像的結(jié)構(gòu)部分
，Dn，分解出圖像的紋理部分
； 這一步驟的子優(yōu)化問(wèn)題可描述為：
(3) 該子優(yōu)化問(wèn)題與（1)式一致，求解時(shí)分為紋理字典學(xué)習(xí)和紋理字典的重建；接下來(lái)是 將紋理圖像中剩余的結(jié)構(gòu)成分分離出去，從而引導(dǎo)下一次結(jié)構(gòu)字典的學(xué)習(xí)，同時(shí)得到分割 后紋理圖像
；求解圖像紋理部分的優(yōu)化問(wèn)題可描述為：
(4) 返回至步驟（3)，重復(fù)迭代（3)、（4)兩步驟k次后得到分割后的圖像結(jié)構(gòu)部分u和圖 像紋理部分v ; 5) 將分割后的結(jié)構(gòu)圖像u和紋理圖像v從GPU的顯存中傳送回CPU的內(nèi)存中，并顯示 分割后的結(jié)構(gòu)圖像和紋理圖像，同時(shí)釋放出預(yù)先設(shè)定的內(nèi)存。
2.根據(jù)權(quán)利要求1所述的一種用于計(jì)算機(jī)圖形圖像處理的、基于GPU平臺(tái)和形態(tài)學(xué)分 量分析的快速圖像分割方法，其特征在于：在GPU平臺(tái)上實(shí)現(xiàn)了形態(tài)學(xué)分量分析，固定圖像 的紋理部分，分解出圖像的結(jié)構(gòu)部分和在GPU平臺(tái)上固定圖像的結(jié)構(gòu)部分，分解出圖像的 紋理部分等方法。
【文檔編號(hào)】G06T1/20GK104091305SQ201410345953
【公開(kāi)日】2014年10月8日 申請(qǐng)日期:2014年8月11日 優(yōu)先權(quán)日:2014年8月11日
【發(fā)明者】詹曙, 方琪 申請(qǐng)人:詹曙, 方琪