[发明专利]一种基于GPU的二维图像线积分计算方法、系统、电子设备及计算机存储介质

说明书

本发明公开了一种基于GPU的二维图像线积分计算方法、系统、电子设备及计算机存储介质，所述方法包括：将二维图像进行预处理；依据角度将二维图像的线积分分为水平方向组以及竖直方向组；构造神经网络框架的卷积核，卷积所述三维特征图与线积分结果之间的对应关系；通过所述卷积核对所述二维图像进行特征提取得到三维特征图即水平方向组的线积分；将所述二维图像进行转置后输入所述卷积核或将所述二维图像输入转置的卷积核，得到竖直方向组的线积分；将水平和竖直方向组的重合部分进行处理融合得到二维图像线积分；本申请相比现有的BrandtDym算法，计算速度显著提升十倍以上，且支持利用数据驱动方式进行具有任务针对性的线积分特征学习。

技术领域

本发明涉及图像处理技术领域，具体的，涉及一种基于GPU的二维图像线积分计算方法。

背景技术

给定一组二维数据g(x，y)，其线积分为在此数据上，沿着具有给定的位置、长度、方向的线段所进行的一维积分，在一定的离散误差范围内，计算二维图像上多个位置、长度、方向的线积分结果，具有重要的实践意义。例如，通过计算相邻位置线积分的差值，能够融合增强低对比度区域的图像边缘信息，进而实现在低信噪比图像上的直线或者线段的检测；又如，此过程可用于计算Radon变换，其在计算机断层成像(Computed Tomography，CT)，条形码扫描等场景中具有重要应用。

现有的BrandtDym算法计算线积分的方式：由于图像数据总是离散的，积分线与格点线相交的数据值，用两边最近的个点数据插值得到，随后线积分由梯形法近似得到。例如在图2中，红色线段的归一化积分值为中间三个内点的和加上两个端点平均值再除以4。图3展示了初始线积分设定，其中初始线积分长度为2(以L-∞范数/曼哈顿距离计算)，对于每个起始点，计算8个角度的线积分，通过前述离散插值法，可得到初始线积分数值。考虑到对称性，这些线积分覆盖了当前角度采样率之下的所有角度。在获得初始线积分数值后进行递归计算，后续线积分遵从长度加倍、角度采样率加倍、水平/竖直方向采样率减半的准则进行计算。其中，对于已有采样角度，直接将相同方向对应起点的线积分相加平均即可得到长度加倍后的线积分值(图4左)；对于新的采样角度，可以通过相邻方向的线积分平均得到(图4右)。通过长度为2的线积分(实线)计算长度为4的线积分(虚线)，图4左图中计算的线积分的方向存在于长度为2的线积分中，只需通过两个相邻该方向的长度为2的线积分平均得到，图4右图用四个长度为2的线积分的均值，可得到新的方向上长度为4的线积分。

该方案能够通过递归方式，快速计算一定量化误差范围内，所有方向，所有长度，所有中心点位置的线积分。在最初层次，通过图像数据计算得到一组极短长度(长度为2或4)的离散的积分值；在后续的递归阶段，利用底层计算的线积分的值计算二倍长度的新的一组积分值。每次递归，积分长度倍增，角度采样率倍增，水平或者垂直方向采样率减半；对于积分值引入的误差，小于计算机图像数据的离散误差。但是BrandtDym算法采用递归方式计算图像线积分，其实现基于CPU且运行缓慢，且不能支持数据驱动的学习。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于GPU的二维图像线积分计算方法，它提出了基于GPU及现有开源神经网络框架及空洞卷积实现的快速算法，与BrandtDym算法相比，其运行速度可提升十倍以上，大幅简化编程实现难度，同时可进一步支持利用数据驱动方式，进行具有任务针对性的线积分特征学习。

为解决上述问题，第一方面，本申请提供一种基于GPU的二维图像线积分计算方法，包括：

将二维图像进行预处理；

依据角度将二维图像的线积分分为水平方向组(|θ|≤π/4)以及竖直方向组(|θ|≥π/4)；

构造神经网络框架的卷积核，卷积所述三维特征图与线积分结果之间的对应关系；

通过所述卷积核对所述二维图像进行特征提取得到三维特征图即水平方向组的线积分；