[发明专利]基于GPU集群上并行编程模型的金字塔互信息图像配准方法

权利要求书

1.一种基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，包括：

读取两幅原始图像，分别为基准图像和待配准图像，传输至MPI+OpenMP+CUDA并行端处理，两幅所述原始图像为单通道灰度图像；

分别对基准图像和待配准图像高斯模糊后进行目标次数下采样，得到对应的图像金字塔，并保存下采样结果；

逐层对基准图像和待配准图像对应图像金字塔的每一层图像进行优化匹配，得到待配准图像映射到基准图像的变换参数，对基准图像和待配准图像对应图像金字塔的一层图像进行一次目标优化匹配，得到本层图像优化配准参数，判断本层是否为金字塔底层，若是，则得到待配准图像映射到基准图像的变换参数，若否，则获取下一层图像数据进行优化匹配，直至为金字塔底层；

根据得到的变换参数，对待配准图像进行仿射变换，得到重叠图像。

2.如权利要求1所述的基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，分别对基准图像和待配准图像高斯模糊后进行目标次数下采样，得到对应的图像金字塔，并保存下采样结果，具体包括：

用高斯核对第n层图像进行高斯模糊处理，提取行坐标和列坐标均为偶数的元素组成新图像，其中新图像的宽和高均是原始图像的一半。

3.如权利要求2所述的基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，用高斯核对第n层图像进行高斯模糊处理，具体包括：

采用5×5的高斯核进行一维高斯滤波和二维高斯滤波，所述二维高斯滤波为先进行一次横向滤波，再进行一次纵向滤波。

4.如权利要求1所述的基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，对基准图像和待配准图像对应图像金字塔的一层图像进行一次目标优化匹配，具体包括：

根据基准图像和待配准图像偏离情况输入的限定搜索范围，对待配准图像进行空间几何变换后与基准图像进行图像互信息值计算，得到信息熵。

5.如权利要求4所述的基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，根据基准图像和待配准图像偏离情况输入的限定搜索范围，对待配准图像进行空间几何变换后与基准图像进行图像互信息值计算，得到信息熵之后，所述方法还包括：

判断信息熵是否大于阈值，所述阈值为存储于CPU内降序排列在前的第一互信息值；

若否，则重新获取信息熵判断是否大于阈值，直至信息熵大于阈值；

若是，则更新存储于CPU内降序排列在前的第一互信息值及对应的变换参数，调整搜索参数，并判断本层图像搜索范围是否在目标搜索范围之内；所述目标搜索范围为上层图像搜索范围的两倍。

6.如权利要求5所述的基于GPU集群上并行编程模型的金字塔互信息图像配准方法，其特征在于，判断本层图像搜索范围是否在目标搜索范围之内；所述目标搜索范围为上层图像搜索范围的两倍，具体包括：

若是，则返回进行待配准图像的空间几何变换；

若否，则得到待配准图像映射到基准图像的变换参数。