[发明专利]一种基于GPU加速的光场图像深度估计方法

说明书

本发明公开了一种基于GPU加速的光场图像深度估计方法，包括：将光场图像从CPU传输到GPU，将GPU的线程映射到光场图像的光场角度域像素，为每一个线程t_i分配一个光场角度域像素A(p,α)工作范围；对各个线程不同深度区间进行缓存更新以对光场图像进行重聚焦，每个线程t_i分别计算对应的光场角度域像素A(p,α)的CMR，计算得到所有剪切参数α下的CMR以得到深度张量，其中CMR表示像素强度的变化范围；通过线程t_i提取深度张量中属于同一像素的CMR，构建出CMRs集合，找到该CMRs集合中最小值对应的深度层次，提取出该点对应的深度值，得到光场图像的深度值，并将光场图像的深度值从GPU传输到CPU。本发明的方法在保证深度图像高质量的情况下，能够加速整个图像的深度估计过程。

技术领域

本发明涉及计算机视觉与数字图像处理领域，尤其涉及一种基于GPU加速的光场图像深度估计方法。

背景技术

现如今，诸如Lytro以及Raytrix等光场采集设备越发普及。这些设备就是所谓的光场相机，它们能够在一次拍照中得到场景的中光线的强度信息以及方向信息；利用现有深度估计算法能够对这些设备采集的图像进行深度信息恢复。现有的深度估计方式多种多样，有的是利用多视角立体匹配的方式，其中用到了信息熵、方差等构造损失函数；也有的方法利用了散焦的方式寻找对应像素点在某个焦平面上的聚焦度等。但是由于光场记录了丰富的信息的代价就是数据量颇为庞大，一张光场图像动辄几十兆到上百兆。如果在CPU平台下进行深度图像的恢复，如此巨大的数据量会导致CPU计算资源紧缺，无法快速实时地实现光场深度图像的恢复，这对于实时性要求比较高的应用而言是极大的限制。

以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

为了解决上述技术问题，本发明提出一种基于GPU加速的光场图像深度估计方法，该方法降低了GPU与CPU之间的数据交换频率，将最繁重的深度估计过程转移到GPU平台上；在保证深度图像高质量的情况下，能够加速整个图像的深度估计过程。

为了实现上述目的，本发明采用以下技术方案：

本发明公开了一种基于GPU加速的光场图像深度估计方法，包括以下步骤：

A1：将光场图像从CPU传输到GPU，将GPU的线程映射到光场图像的光场角度域像素，为每一个线程t_i分配一个光场角度域像素A(p,α)工作范围；

A2：对各个线程不同深度区间进行缓存更新以对光场图像进行重聚焦，每个线程t_i分别计算对应的光场角度域像素A(p,α)的CMR(Consistency Metric Range,一致性度量范围)，计算得到所有剪切参数α下的CMR以得到深度张量，其中CMR表示像素强度的变化范围；

A3：通过线程t_i提取深度张量中属于同一像素的CMR，构建出CMRs集合，找到该CMRs集合中最小值对应的深度层次，提取出该点对应的深度值，得到光场图像的深度值，并将光场图像的深度值从GPU传输到CPU。

优选地，步骤A1中将GPU的线程映射到光场图像的光场角度域像素的映射关系为：

idx＝blockDim.x*blockIdx.x+threadIdx.x；

idy＝blockDim.y*blockIdx.y+threadIdx.y；

tid＝idy+idx*blockDim.y*gridDim.y；