[发明专利]一种基于最邻近搜索的光流并行加速方法

摘要

本发明公开了一种基于最邻近搜索的光流并行加速方法，对Barnes最邻近算法的光流修正算法进行修改，采用梯度下降法修正光流，提高了效率；同时对光流的传播过程进行修改，使其易于在GPU上实现并行运算来进行加速。将本发明用于光流计算，可明显提高运算速度，同时保证一定的精确度。

主权项

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。