[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

说明书

本发明公开了一种基于GPU集群上并行编程模型的金字塔互信息图像配准方法，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；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；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。实现通过金字塔互信息值的计算和比较，提高图像配准的准确性，同时在MPI+OpenMP+CUDA并行端进行并行处理，提高配准方法实现的实时性，从而进一步缩短执行时间，提高配准效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于GPU集群上并行编程模型的金字塔互信息图像配准方法。

背景技术

图像配准是对相同目标不同时相甚至不同传感器所成的两幅或多幅图像进行空间变换处理，从而得到在几何上能够对应起来的各组图像。图像配准的最终目标就是寻找一组点映射变换，这组变换把待配准图像中的点映射到参考图像中对应的点，从而使得待配准图像和参考图像在几何上一致，使得相同目标在不同图像上具有相同的坐标位置。但是现在的图像配准的准确性低，降低效率。

发明内容

本发明的目的在于提供一种基于GPU集群上并行编程模型的金字塔互信息图像配准方法，旨在解决现在的图像配准的准确性低，降低效率的问题。

为实现上述目的，本发明提供了一种基于GPU集群上并行编程模型的金字塔互信息图像配准方法，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，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；

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。

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。

在一实施方式中，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。

在一实施方式中，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，具体包括：

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。

在一实施方式中，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。

在一实施方式中，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：