[发明专利]一种基于最邻近搜索的光流并行加速方法

权利要求书

1.一种基于最邻近搜索的光流并行加速方法，其特征在于，包括以下步骤：

步骤1：输入两帧图像，转化为灰度图，并进行高斯滤波，以减少图像噪声；

步骤2：分别为滤波后的两幅图像进行金字塔式分层，按照分辨率从小到大的顺序排列，并随机地初始化分辨率最小层的图像的光流场为(0,1)之间的均匀分布，并将其光流场图像作为当前层图像；

步骤3：计算当前层图像的梯度值，包括x方向梯度值与y方向梯度值，并对得出的梯度值进行高斯滤波；

步骤4：利用Barnes算法，对当前层图像的光流场，采用改进的传播修正的方法进行多次改进的传播修正，每次传播时，每行或每列的传播过程是并行的，传播修正过程中采用梯度值作为匹配准则，采用梯度下降法修正光流场，得到修正后的光流场图像；改进的传播修正的方法为：对每一层图像的光流场，都进行四次不同方向的传播修正，方向依次为从左到右，从上到下，从右到左，从下到上，在传播修正时，当前块的计算仅依赖于相邻的一个块，同时将好的结果也只传播给相邻的一个块，从而使得每一行或每一列的传播变得独立，容易在GPU上并行实现；步骤5：将得到的光流场放大至图像金字塔中的相邻层图像的尺寸大小，放大过程中使用双三次插值；

步骤6：将放大后的光流场图像作为当前层图像，重复步骤3、4和5，直到光流场图像尺寸达到原始图像大小。

2.根据权利要求1所述的一种基于最邻近搜索的光流并行加速方法，其特征在于：在步骤4中，梯度下降法修正光流场的过程为：

经传播后某点光流矢量为(u,v)，误差函数为E(u,v)，则修正光流矢量为：

其中，u，v是光流矢量，分别表示横纵坐标；Δu和Δv分别为横纵坐标的微分，取0.001，α为步长，采用动态步长的策略，步长α设置为金字塔层数的函数：

其中l为当前金字塔层数，L为图像金字塔总层数。