CN104331696A - 一种基于图形处理单元的图像特征快速提取方法 - Google Patents
一种基于图形处理单元的图像特征快速提取方法 Download PDFInfo
- Publication number
- CN104331696A CN104331696A CN201410508531.1A CN201410508531A CN104331696A CN 104331696 A CN104331696 A CN 104331696A CN 201410508531 A CN201410508531 A CN 201410508531A CN 104331696 A CN104331696 A CN 104331696A
- Authority
- CN
- China
- Prior art keywords
- image
- edge feature
- processing unit
- parallel
- parallel unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理与分析技术领域,尤其涉及一种基于图形处理单元的图像特征快速提取方法,包括:读取原始图像,提取所述原始图像的亮度分量图像,并将所述亮度分量图像拷贝到图形处理单元的帧缓存中;将所述图形处理单元中的所有活动线程划分为若干个线程块,计算出每个线程块中所包含的线程的数量,建立若干个并行单元,根据所述亮度分量图像的大小,计算每个并行单元需要创建的线程块的个数;通过所述并行单元对所述亮度分量图像进行滤波处理,获得若干个与所述并行单元对应的边缘特征图像;通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵,本发明通过图形处理单元的并行计算能力,提高了图像特征提取的速度。
Description
技术领域
本发明涉及图像处理与分析技术领域,尤其涉及一种基于图形处理单元的图像特征快速提取方法。
背景技术
图像的特征描述了图像的主要结构信息,特征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,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,随着视频图像实施业务处理的发展,图像特征的快速提取技术已成为视频图像处理的迫切要求。
现有的图像局部特征提取算法为:首先,分别对原始图像在水平方向和竖直方向上提取边缘,得到水平方向和竖直方向上的边缘特征图像,然后在边缘特征图像上开窗提取图像局部的边缘信息,得到图像的特征,该方法由于采用开窗处理技术,计算量大,并且随着视频图像单帧数量的增大以及帧频率的提高,利用CPU处理技术很难满足视频图像的实时性要求。
发明内容
本发明的目的在于提出一种基于图形处理单元的图像特征快速提取方法,有效利用硬件的并行计算能力,提高图像特征提取的速度。
为达此目的,本发明采用以下技术方案:
一种基于图形处理单元的图像特征快速提取方法,包括:
读取原始图像,提取所述原始图像的亮度分量图像,并将所述亮度分量图像拷贝到图形处理单元的帧缓存中;
将所述图形处理单元中的所有活动线程划分为若干个线程块,计算出每个线程块中所包含的线程的数量,建立若干个并行单元,根据所述亮度分量图像的大小,计算每个并行单元需要创建的线程块的个数;
通过所述并行单元对所述亮度分量图像进行滤波处理,获得若干个与所述并行单元对应的边缘特征图像;
通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵。
其中,在步骤形成原始图像的边缘特征矩阵之后,还包括:
将所述边缘特征矩阵存储到图形处理单元的缓存中。
其中,所述线程块为二维线程块,所述二维线程块所包含的线程的数量为[Tx,Ty]。
其中,所述亮度分量图像的大小为M×N,所述并行单元的大小也为M×N,每个并行单元需要创建的线程块的个数为K,K=m×n,其中, 表示上取整。
其中,所述并行单元包括:第一并行单元、第二并行单元、第三并行单元和第四并行单元;所述边缘特征图像包括:第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像。
其中,所述第一并行单元采用1×3滤波算子{-1.0,0,1.0}进行水平方向滤波处理,通过所述第一并行单元的并行计算,获得所述第一边缘特征图像。
其中,所述第二并行单元采用3×1滤波算子{-1.0,0,1.0}进行垂直方向滤波处理,通过所述第二并行单元的并行计算,获得所述第二边缘特征图像。
其中,所述第三并行单元采用1×5滤波算子{0.5,0,-1,0,0.5}进行水平方向滤波处理,通过所述第三并行单元的并行计算,获得所述第三边缘特征图像。
其中,所述第四并行单元采用5×1滤波算子{0.5,0,-1,0,0.5}进行垂直方向滤波处理,通过所述第四并行单元的并行计算,获得所述第四边缘特征图像。
其中,所述步骤通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵具体为:通过所述线程块分别对第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像中相同位置的6×6的的子区域进行处理,提取特征数据,构成一个大小为6×6×4的一维特征向量,作为所述原始图像每个位置的边缘特征向量,将所述原始图像中每个位置的边缘特征向量按照位置排列顺序由左到右由上到下进行拼装,形成原始图像的边缘特征矩阵。
本发明的有益效果为:一种基于图形处理单元的图像特征快速提取方法,包括:读取原始图像,提取所述原始图像的亮度分量图像,并将所述亮度分量图像拷贝到图形处理单元的帧缓存中;将所述图形处理单元中的所有活动线程划分为若干个线程块,计算出每个线程块中所包含的线程的数量,建立若干个并行单元,根据所述亮度分量图像的大小,计算每个并行单元需要创建的线程块的个数;通过所述并行单元对所述亮度分量图像进行滤波处理,获得若干个与所述并行单元对应的边缘特征图像;通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵,本发明通过图形处理单元的并行计算能力,提高了图像特征提取的速度。
附图说明
图1是本发明具体实施方式提供的一种基于图形处理单元的图像特征快速提取方法流程图。
具体实施方式
下面结合图1并通过具体实施方式来进一步说明本发明的技术方案。
图1是本发明具体实施方式提供的一种基于图形处理单元的图像特征快速提取方法流程图。
一种基于图形处理单元的图像特征快速提取方法,包括:
读取原始图像,提取所述原始图像的亮度分量图像,并将所述亮度分量图像拷贝到图形处理单元(Graphic Processing Unit,简称GPU)的帧缓存中;
将所述图形处理单元中的所有活动线程划分为若干个线程块,计算出每个线程块中所包含的线程的数量,建立若干个并行单元,根据所述亮度分量图像的大小,计算每个并行单元需要创建的线程块的个数;
通过所述并行单元对所述亮度分量图像进行滤波处理,获得若干个与所述并行单元对应的边缘特征图像;
通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵。
在本实施例中,通过图形处理单元的并行计算能力,提高了图像特征提取的速度。
在本实施例中,在步骤形成原始图像的边缘特征矩阵之后,还包括:
将所述边缘特征矩阵存储到图形处理单元的缓存中。
进一步地,将所述边缘特征矩阵从GPU的缓存中拷贝到主机内存中。
在本实施例中,所述线程块为二维线程块,所述二维线程块所包含的线程的数量为[Tx,Ty]。
在本实施例中,所述亮度分量图像的大小为M×N,所述并行单元的大小也为M×N,每个并行单元需要创建的线程块的个数为K,K=m×n,其中, 表示上取整。
在本实施例中,所述并行单元包括:第一并行单元、第二并行单元、第三并行单元和第四并行单元;所述边缘特征图像包括:第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像。
在本实施例中,所述第一并行单元采用1×3滤波算子{-1.0,0,1.0}进行水平方向滤波处理,以M×N个像素为中心,大小为1×3的子区域为处理对象,通过所述第一并行单元的并行计算,获得所述第一边缘特征图像。
在本实施例中,所述第二并行单元采用3×1滤波算子{-1.0,0,1.0}进行垂直方向滤波处理,以M×N个像素为中心,大小为3×1的子区域为处理对象,通过所述第二并行单元的并行计算,获得所述第二边缘特征图像。
在本实施例中,所述第三并行单元采用1×5滤波算子{0.5,0,-1,0,0.5}进行水平方向滤波处理,以M×N个像素为中心,大小为1×5的子区域为处理对象,通过所述第三并行单元的并行计算,获得所述第三边缘特征图像。
在本实施例中,所述第四并行单元采用5×1滤波算子{0.5,0,-1,0,0.5}进行垂直方向滤波处理,以M×N个像素为中心,大小为5×1的子区域为处理对象,通过所述第四并行单元的并行计算,获得所述第四边缘特征图像。
在本实施例中,所述步骤通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵具体为:通过所述线程块分别对第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像中相同位置的6×6的的子区域进行处理,提取特征数据,构成一个大小为6×6×4的一维特征向量,作为所述原始图像每个位置的边缘特征向量,将所述原始图像中每个位置的边缘特征向量按照位置排列顺序由左到右由上到下进行拼装,形成原始图像的边缘特征矩阵。
选择一台配有一颗Pentium(R)Dual-Core CPU E65002.93GHz的双核CPU,一颗NVIDIA GeForce GT 640(1G显存)的PC来实现本发明的提取方法。采用Nvidia公司的CUDA编程框架,其为GPU计算提供了一个通用的C编程接口,方便编程者使用一些新的硬件特性。
选择不同分辨率的原始图像,统计图像的特征提取的CPU实现、GPU实现的耗时,如表1所示。
表1CPU和GPU对比
从表1可以看出,这种基于GPU的图像特征提取的快速实现方法可以稳定的保证2.5左右的加速比。
以上所述仅为本发明的具体实施方式,这些描述只是为了解释本发明的原理,而不能以任何结构解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方法,这些结构都将落入本发明的保护范围之内。
Claims (10)
1.一种基于图形处理单元的图像特征快速提取方法,其特征在于,包括:
读取原始图像,提取所述原始图像的亮度分量图像,并将所述亮度分量图像拷贝到图形处理单元的帧缓存中;
将所述图形处理单元中的所有活动线程划分为若干个线程块,计算出每个线程块中所包含的线程的数量,建立若干个并行单元,根据所述亮度分量图像的大小,计算每个并行单元需要创建的线程块的个数;
通过所述并行单元对所述亮度分量图像进行滤波处理,获得若干个与所述并行单元对应的边缘特征图像;
通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵。
2.根据权利要求1所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,在步骤形成原始图像的边缘特征矩阵之后,还包括:
将所述边缘特征矩阵存储到图形处理单元的缓存中。
3.根据权利要求1所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述线程块为二维线程块,所述二维线程块所包含的线程的数量为[Tx,Ty]。
4.根据权利要求3所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述亮度分量图像的大小为M×N,所述并行单元的大小也为M×N,每个并行单元需要创建的线程块的个数为K,K=m×n,其中, 表示上取整。
5.根据权利要求4所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述并行单元包括:第一并行单元、第二并行单元、第三并行单元和第四并行单元;所述边缘特征图像包括:第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像。
6.根据权利要求5所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述第一并行单元采用1×3滤波算子{-1.0,0,1.0}进行水平方向滤波处理,通过所述第一并行单元的并行计算,获得所述第一边缘特征图像。
7.根据权利要求5所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述第二并行单元采用3×1滤波算子{-1.0,0,1.0}进行垂直方向滤波处理,通过所述第二并行单元的并行计算,获得所述第二边缘特征图像。
8.根据权利要求5所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述第三并行单元采用1×5滤波算子{0.5,0,-1,0,0.5}进行水平方向滤波处理,通过所述第三并行单元的并行计算,获得所述第三边缘特征图像。
9.根据权利要求5所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述第四并行单元采用5×1滤波算子{0.5,0,-1,0,0.5}进行垂直方向滤波处理,通过所述第四并行单元的并行计算,获得所述第四边缘特征图像。
10.根据权利要求5所述的一种基于图形处理单元的图像特征快速提取方法,其特征在于,所述步骤通过所述线程块对所述边缘特征图像进行特征提取,形成原始图像的边缘特征矩阵具体为:通过所述线程块分别对第一边缘特征图像、第二边缘特征图像、第三边缘特征图像和第四边缘特征图像中相同位置的6×6的的子区域进行处理,提取特征数据,构成一个大小为6×6×4的一维特征向量,作为所述原始图像每个位置的边缘特征向量,将所述原始图像中每个位置的边缘特征向量按照位置排列顺序由左到右由上到下进行拼装,形成原始图像的边缘特征矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410508531.1A CN104331696B (zh) | 2014-09-28 | 2014-09-28 | 一种基于图形处理单元的图像特征快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410508531.1A CN104331696B (zh) | 2014-09-28 | 2014-09-28 | 一种基于图形处理单元的图像特征快速提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104331696A true CN104331696A (zh) | 2015-02-04 |
CN104331696B CN104331696B (zh) | 2017-10-31 |
Family
ID=52406418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410508531.1A Expired - Fee Related CN104331696B (zh) | 2014-09-28 | 2014-09-28 | 一种基于图形处理单元的图像特征快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331696B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276712A (zh) * | 2018-12-29 | 2019-09-24 | 中国科学院软件研究所 | 星载图像处理装置以及星载图像处理与决策平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1160254A (zh) * | 1996-12-11 | 1997-09-24 | 力捷电脑股份有限公司 | 数字补偿式图像处理装置 |
CN101719275A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院计算技术研究所 | 图像特征点提取和实现方法、图像拷贝检测方法及其*** |
CN102495725A (zh) * | 2011-11-15 | 2012-06-13 | 复旦大学 | 一种基于多核体系结构的图像/视频特征提取并行算法 |
CN103593850A (zh) * | 2013-11-26 | 2014-02-19 | 北京航空航天大学深圳研究院 | 一种在cuda平台上基于递归高斯滤波的sift并行化***及方法 |
-
2014
- 2014-09-28 CN CN201410508531.1A patent/CN104331696B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1160254A (zh) * | 1996-12-11 | 1997-09-24 | 力捷电脑股份有限公司 | 数字补偿式图像处理装置 |
CN101719275A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院计算技术研究所 | 图像特征点提取和实现方法、图像拷贝检测方法及其*** |
CN102495725A (zh) * | 2011-11-15 | 2012-06-13 | 复旦大学 | 一种基于多核体系结构的图像/视频特征提取并行算法 |
CN103593850A (zh) * | 2013-11-26 | 2014-02-19 | 北京航空航天大学深圳研究院 | 一种在cuda平台上基于递归高斯滤波的sift并行化***及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276712A (zh) * | 2018-12-29 | 2019-09-24 | 中国科学院软件研究所 | 星载图像处理装置以及星载图像处理与决策平台 |
Also Published As
Publication number | Publication date |
---|---|
CN104331696B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3745339A1 (en) | Method for implanting advertisements in video, and computer device | |
US9830736B2 (en) | Segmenting objects in multimedia data | |
KR101639852B1 (ko) | 그래픽 프로세싱을 위한 픽셀 값 압축 | |
CN111080766B (zh) | 一种基于WebGL的GPU加速海量目标高效渲染方法 | |
WO2021115136A1 (zh) | 视频图像的防抖方法、装置、电子设备和存储介质 | |
US20150170404A1 (en) | Virtual View Generating Method and Apparatus | |
EP3276574A1 (en) | Target tracking method and device | |
CN106251291A (zh) | 利用OpenGL与OpenCL协作实现图像缩放的方法及*** | |
Wang et al. | Semantic segmentation of high-resolution images | |
WO2012172706A1 (ja) | 動き画像領域判定装置またはその方法 | |
KR20160130455A (ko) | 애니메이션 데이터 생성 방법, 장치, 및 전자 기기 | |
Chen et al. | Preserving motion-tolerant contextual visual saliency for video resizing | |
CN105741300A (zh) | 一种区域分割截图方法 | |
CN104331696A (zh) | 一种基于图形处理单元的图像特征快速提取方法 | |
CN116740375A (zh) | 一种图像特征提取方法、***及介质 | |
US20220189027A1 (en) | Panorama Rendering Method, Electronic Device and Storage Medium | |
DE102023105068A1 (de) | Bewegungsvektoroptimierung für mehrfach refraktive und reflektierende Schnittstellen | |
CN104754248B (zh) | 一种获取目标快照的方法及装置 | |
CN113486941B (zh) | 直播图像的训练样本生成方法、模型训练方法及电子设备 | |
US9798932B2 (en) | Video extraction method and device | |
CN105791655A (zh) | 一种计算摄像模组的镜头畸变的方法 | |
CN110674778B (zh) | 一种高分辨视频图像目标检测方法及装置 | |
WO2017050075A1 (zh) | 用于实时滑动显示扫描图像的方法及*** | |
TWI480809B (zh) | Image feature extraction method and device | |
CN104978712A (zh) | 图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 Termination date: 20190928 |