[发明专利]基于GPU的Zernike矩快速计算方法

说明书

基于GPU的Zernike矩快速计算方法属正交矩加速技术领域，本发明提出存径向多项式系数结合图像重布局的八卦限对称性算法，该混合算法能显著地加快任意单个矩的计算速度。提出在一个内核Kernel中组合Block的组包方案，加快一族或一组矩的计算。而合并内核的组包方案能进一步缩短一组或者一族图像的矩的计算时间，特别是能克服小尺寸图像中由于计算量小，不能有效实施混合算法的瓶颈。本发明能推动Zernike矩在实时图像处理和模式识别等领域中的发展，可应用于视频图像水印、镜头分割、光学系统中波前重建、机器视觉系统中目标定位和识别检测，其它正交矩的快速计算提供了非常有价值的参考。

技术领域

本发明属正交矩加速技术领域，具体涉及Zernike矩理论，以及基于GPU的快速计算方法。

背景技术

图像是非常有用的信息媒介和交流工具，它能够以一种紧凑而高效的的方式来表达和处理复杂场景。矩不变理论作为描述图像的特征广泛应用于计算机视觉、遥感处理、医学成像、模式识别及图像处理等领域。矩理论源自数学、物理学和统计学中，是一个用于表征函数及捕捉函数重要特性的标量。矩描述子是基于区域的图像特征，因为它们使用图像的所有信息，即图像轮廓和它的内容。不同于仅基于轮廓的描述符，如使用图像边界信息的傅立叶描述符。

总结来说，现有的图像矩主要有非正交矩与正交矩两种。非正交（几何矩与复数矩）矩将图像投影到一组非正交的函数多项式上。正交矩是将图像投影到一组正交多项式上。现有的正交矩分为基于矩形正交矩和基于圆的正交矩两种。基于矩形正交矩，如Legendre矩、 Tchebichef矩、小波矩、Krawtchouk矩定义在笛卡尔坐标系下，其几何不变性，特别是旋转不变性并不成立。基于圆的正交矩，如Zernike矩、伪Zernike矩、Fourier-Mellin矩定义在单位圆上，其幅值具有本质上的旋转不变性。该特性使Zernike矩具有稳定的数值性质和良好的重建能力，因而在实际中广泛应用。

但是，Zernike矩的定义复杂。其中，Zernike径向多项式是Zernike矩的核心，它是定义在单位圆内完备的正交集，含有复杂的阶乘和幂函数运算。此外，还需要对图像的每一个像素进行多项式的映射。因此，对它们的计算是非常耗时的。同时，在实际应用中通常需要一组或一族矩描述图像的特征。如果待处理的图像较大时，如一些遥感图像；或者需要计算高阶矩，如一些医学图像；或者需要高精度的矩，如对图像水印技术或重建，矩的计算时间更长。另一方面，在工程应用中需要快速计算矩以适应实时系统的应用。例如：视频图像水印、视频监控中人脸识别、在线产品缺陷检测等。为消除由于计算时间而引起的Zernike矩的应用的限制，需要对Zernike矩的快速计算方法进一步研究。

当前对Zernike矩的加速主要集中在CPU中进行算法的改进，和直接定义法比较其加速比最大到几十倍。GPU(Graphics Processing Units)的架构由大量简单的处理单元组成，由于GPU对并行数据加速的优势，将GPU作为加速硬件的需求日俱增加。图像处理算法通常具有数据量大以及计算访存密集的特点，因此，GPU被广泛用于图像处理及模式识别中。虽然GPU提供很高的计算能力，使用定义加速Zernike矩相对于CPU的加速比能达到几百甚至上千。但相对于GPU程序实现，优化过程却复杂得多，因为不仅要考虑算法特征，还要了解底层硬件架构的特征，以获得这两种特征的高效映射。因此，需要研究Zernike矩的算法设计、GPU的优化程序方法、存储器使用和程序指令等，进一步提高Zernike矩计算的加速比。Zernike矩的快速计算方法研究对于图像处理的发展有着推动的作用，其取得的成果可直接应用于图像水印、镜头分割、光学系统中波前重建、机器视觉系统中目标定位和识别检测。

发明内容

本发明的目的在于提供一种能加快Zernike矩运算速度的计算方法。有效消除了阶乘计算的精度限制，提高了Zernike矩的计算阶数。在GPU的算法设计中避免了大量条件语句引起的线程分歧，并消除小尺寸图像由于占用率低引起的计算瓶颈。