[发明专利]基于图形处理单元的相位编组直线提取方法

说明书

技术领域

本发明涉及图像处理与分析技术领域，特别涉及一种直线提取方法，具体是一种基于图形处理单元(graphics processing units，简称GPU)硬件加速的相位编组直线提取方法。

背景技术

直线提取是图像处理领域的重要技术，是计算机视觉技术的基础。随着卫星图像的广泛使用，快速图像处理的需求日趋强烈。在此类处理中，特征提取占有重要地位，而直线提取又是用得最多的特征之一。提取的直线描述了图像的主要结构信息，在许多应用如图像配准、图像矢量化和自动目标识别中都得到了广泛应用。

直线提取至今已经提出了Hough变换法，层次编组，相位编组等多种直线提取算法。这些算法都是在普通CPU上串行实现的。由于其处理主要是在像素级上，数据量大，因此算法耗时长，实时处理困难。为了减少运算时间，有些研究者提出了简化算法，但是稳健性也有所减弱。另外还有研究者运用专用并行硬件，如DSP和FPGA来设计实时直线提取算法。例如，Wang等提出了用FPGA+DSP实现宽带图像信号的实时直线提取。但是这类算法依赖具体硬件的设计，移植性不强。

最近，GPU的可编程能力和计算能力发展迅猛。它们不仅可以快速完成图形编程工作，而且可以加速很多非图形学方面的应用，如图像处理和计算机视觉算法。Simon Harding和Wolfgang Banzhaf运用GPU来加速图像滤波。Anis Rahman等运用GPU来实现视觉显著性模型的动态路径。Fung等建立了一个Hough变换直线提取GPU加速算法。但是基于Hough变换的算法是以边缘检测为基础，会漏检弱对比度的灰度变化点。而且算法仅利用了边缘幅度信息，丢失了边缘的相位信息。实际上相位信息携带了大量构成直线的相关性像素点空间信息。目前，依赖相位信息的基于GPU的直线快速算法尚未见报道。

发明内容

本发明要解决的技术问题是针对现有图像中直线提取算法耗时长，实时处理困难等不足，利用GPU具有高速的实数运算特性和流式并行架构，提供一种基于GPU硬件加速的相位编组直线提取方法。

本发明技术方案的基本思路是：本发明基于GPU高速实数运算特性和流式并行架构，在GPU上实现图像直线特征提取。其基本原理是，对原始图像进行边缘提取后，建立图像编码图，从中选取种子，然后从各种子出发，寻找得到直线段。

本发明的技术方案是：一种基于图形处理单元的相位编组直线提取方法，其特征在于，包括下述步骤：

第一步，计算并存储原始图像的梯度方向图；

将原始图像存储于GPU的帧缓存中，运用GPU的像素着色器对原始图像中的各个像素点并行地执行可分离Sobel算子，得到原始图像的梯度方向图，存储于GPU的纹理存储器中。

为表述方便，设在原始图像中第k个像素点的梯度方向值为f_k。

第二步，计算并存储图像编码图；

运用GPU的像素着色器对梯度方向图中的各梯度方向值并行地执行下述步骤，得到图像编码图，存储于GPU的纹理存储器中：

设原始图像中第k个像素点的八邻域像素点集合为{k_i，i＝0，1，L，7}，第k个像素点对应的一个九元序列为Ck={Cki,i=0,1,L,8},]]>Cki(i=0,1,L,7)]]>的取值方式如下：