[发明专利]一种基于异构加速平台的二维相位解缠绕方法

说明书

技术领域

本发明涉及计算机视觉和图像处理领域，具体来说，本发明涉及一种基于异构加速平台的加速二维解缠绕方法。

背景技术

许多应用需要用到相位数据，例如显微干涉、合成孔径雷达（synthetic aperture radar，SAR）、磁共振成像（magnetic resonance imaging，MRI）和自适应光学(adaptive optics)等。计算相位一般使用反正切函数，其值域是(-π,π)，因而计算出来的相位被限定在(-π,π)之内，直接计算得到的相位被“截断”了(也称为被“包裹”或“缠绕”，wrapped)。实际过程中必须将被截断(包裹)的相位连接起来，即解除相位“截断”，把被包裹的相位恢复到实际的相位值，这个过程称为相位解缠绕(unwrap)、相位解包裹或者相位展开等。

二维相位解缠绕(Phase unwrapping，PU)是数字图像处理上一个常用的方法，是一个计算量很大，很耗时的过程。有几十种算法来解决二维解缠绕问题，主要分为两类：Path following方法和Minimum-Norm方法。Path following方法主要包括Goldstein’s算法、Quality-guided算法、Flynns最小不一致算法、PCG算法和Multigrid算法。而Minimum-Norm方法则有Minimum L_p-norm算法、Unweighted least-squares算法和Weighted least-squares算法等。在这些算法中，Goldstein算法运行速度快、输入简单、易于实现，通常作为二维解缠绕问题的第一选择。

Goldstein算法分为三个过程。首先定义出相位数据中(通常是矩阵)的不一致点，表示可能的不连续位置的起始和结束，用Residue值来标记，用+/-1的Residue值来表示这些不一致点和其属性。然后用一个Branch cut过程连接相反极性的点，构成可能的不一致区域，该操作在图像中构成了一道道屏障，阻止在解缠绕操作时传播路径的通过，防止局部不一致的传播。最后，用一个FloodFill过程来实现解缠绕，从而得到连续的相位数据。

(1)定义不一致点：图2和公式1～公式4描述了定义不一致点的过程。图2中，a、b、c、d是图像数据中的邻接四个相位点，Δi表示相位梯度，它是相邻之间的相位差“解缠”到(-π，π)的值。首先求出四个相位差(公式1，δ表示相位差，P表示相位)，然后解缠到(-π，+π)的范围内(公式2，公式3，W为解缠绕操作)，称为相位梯度：Δ，最后累加四个相位梯度(公式4)。相位梯度和可以为{-2π,0,2π}，即公式4中的n可能为{-1,0,1}，若n=1或n=-1表示该点存在不连续现象,为Residue值非0的点。

δ_i＝Ρ_i-Ρ_i-1      公式1

W(Ρ_i)＝Ρ_i+2k_iπk_i∈Z      公式2

Δ_i＝W(δ_i)      公式3

Σ14Δi=2nπ,n∈{-1,0,1}]]>      公式4

(2)Branch Cut：图3描述了Branch cut过程中形成的“积分栅栏”，它能阻止积分路径的通过，其中黑色的圈代表Residue值为+1的点，灰色的圈代表Residue值为-1的点，箭头表示可能的正确积分方向。在第一步中的每一个Residue值为+1的点，在其周围找到最近的-1的点或者边界，然后这两个点及其连线上的所有点都被Branch cut掉，形成一条“栅栏”。接下来则由Residue值为-1的点向周围寻找+1的点(或边界)。