[发明专利]一种基于结构的图节点相似度并行计算方法

说明书

技术领域

本发明涉及媒体计算领域，特别涉及一种基于结构的图节点相似度并行计算方法。

背景技术

目前在媒体计算领域中，在解决图像分割、内容检索与匹配等问题时，通过构建图模型，基于节点之间的相似度扩散来获得相应的结果。简单的来说，图节点相似度计算是用来评价图中节点（例如：超像素）结构相似性的一种手段。

现有技术中通常采用节点之间的描述符去度量两个节点之间的相似度，基于节点邻居之间的相似度关系和邻接关系进行相似度扩散。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

随着图规模的增加，相似度扩散的计算时间会极大地增加，增加了计算的复杂度，复杂度甚至可以达到O（kn⁴），无法满足实际应用中的需要。

发明内容

本发明提供了一种基于结构的图节点相似度并行计算方法，本方法降低了计算的复杂度和计算时间，满足了实际应用中的需要，详见下文描述：

一种基于结构的图节点相似度并行计算方法，所述方法包括以下步骤：

（1）CPU端作为主机端读入多个故事文本或图像，建立图模型，获取图的邻接矩阵；

（2）GPU端作为设备端，接收CPU端传输的邻接矩阵，GPU端计算邻接矩阵；

（3）GPU端得到邻接矩阵，并传输至CPU端。

当CPU端作为主机端读入多个故事文本时，所述GPU端计算邻接矩阵W的步骤具体为：所述GPU端计算第一邻接矩阵，即，

1）通过节点a和b在所述第一邻接矩阵中的位置索引计算节点对(a,b)在grid中所对应的block索引和thread索引，其中grid为GPU内核函数的网格，block为网格中的线程块，thread为线程块中的线程；

2）GPU端为第一邻接矩阵中每一个节点对(a,b)之间的相似度计算分配对应线程，即：通过block索引和thread索引查找节点对(a,b)对应线程，在GPU端通过对应线程计算节点对(a,b)的相似性。

当CPU端作为主机端读入多个图像时，所述GPU端计算邻接矩阵W的步骤具体为：所述GPU端计算第二邻接矩阵，包括：

1）搜索第k-1次迭代时的位置矩阵P_k-1中非零值，将非零元素的行索引、列索引和对应值分别记入row,col,value三个数组中；

2）通过位置矩阵P_k-1计算第K次迭代的位置矩阵P_k：

3)计算对角元素和；

4）将本次迭代得到的M_k加入S(a,b)中：S(a,b)=S(a,b)+M_k。

当CPU端作为主机端读入多个图像时，所述方法还包括：

所述CPU端获取转移矩阵T，所述GPU端作为设备端接收所述转移矩阵T。

当CPU端作为主机端读入多个图像时，所述方法还包括：将所述转移矩阵T以行压缩存储的结构存储为稀疏矩阵，所述GPU端计算邻接矩阵W的步骤具体为：所述GPU端计算第二邻接矩阵，包括：

1）CPU端循环K次调用GPU端内核函数并行计算相似性；

2）GPU端将计算结果传回CPU端；

3)GPU端计算位置矩阵P_k的对角线和M_k：

4）GPU端计算相似性矩阵s中对应元素的相似度的值S(a,b)：S(a,b)=S(a,b)+M_k。

所述CPU端循环K次调用GPU端内核函数并行计算相似性具体包括：

a）计算T_i中的非零值索引x；

b）计算T_j中的非零值索引y；

c）计算对应索引的相似度；

d）计算结点对（a,b）在位置矩阵中位置；

e）更新位置矩阵P_k：

本发明提供的技术方案的有益效果是：CPU端作为主机端读入多个故事文本或图像，建立图模型，获取图的邻接矩阵；GPU端计算邻接矩阵，并传输至CPU端；通过本方法提高了计算图节点相似度的精度，降低了计算的复杂度和计算时间，满足了实际应用中的需要；实验结果表明，在相似精度的前提下，本发明所提出的加速算法取得了平均100倍以上的加速比。

附图说明

图1（a）和图1（b）为原始图；

图1（c）和图1（d）为本方法所计算的显著性检测的结果；