基于CUDA的并行电子稳像算法

摘要

当今越来越多的人喜欢使用手持设备进行拍照和录像。当使用这些设备进行影像采集时，由于手的突发或者无序运动会使得拍摄的视频不稳定，图像出现抖动或者变得模糊不清。视频的抖动对用户观察、图像处理、图像存储都带来了诸多负面影响，因此对视频进行稳像处理显得十分重要。另一方面，随着集成电路技术的发展，图形处理器的性能有了很大提高，图形处理器在图像处理和数据密集型计算比中央处理器有更强的优势。针对以上情况，本文提出了一种并行电子稳像算法，使其能够充分利用图形处理器的并行计算能力，实现实时稳像。利用图形处理器进行实时电子稳像，需要对算法的性能、复杂度和可并行性做充分考量，从而确定稳像各步骤的具体算法。
　　本文以Harris角点作为图像特征点，在检测角点过程中，为了减小计算量以及便于并行处理，采用网格划分再极大值滤波的方式进行距离容忍;以改进的Hu矩作为角点的特征便于快速有效的实现角点间的匹配;在特征点匹配时选择双向匹配作为匹配算法，并使用RANSAC算法剔除误匹配的点，最终得到正确的匹配关系;选择相似变换模型描述图像的变化关系，计算相邻帧间的局部运动参数。在全局运动的获取上，选择并使用高斯滤波器对运动参数进行滤波，并根据手持设备拍摄视频的特点，选择合适的滤波窗口长度和窗口中心，进而有效滤除运动中的高频分量保留有效运动。在运动补偿方面，本文选择双线性插值算法计算稳像后的图像。选择英伟达的CUDA平台对算法进行实现。鉴于上述算法良好的并行性，在算法实现时，对于角点检测以及双线性插值算法，让每个像素对应一个线程;在角点匹配和误匹配剔除过程中，让每个线程处理一个角点。这样对算法进行充分并行化。最后使用不同分辨率样本测试算法在图形处理器和中央处理器上的运行效率。实验结果表明，本文的稳像算法对存在旋转、平移和轻微缩放的视频具有较好的稳像效果，本文的并行化电子稳像算法在处理速度上有明显的优势。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 国内外发展现状

1．2．1 视频稳像的概念及发展

1．2．2 电子稳像技术的发展

1．3 本文的研究内容

1．4 本文结构

1．5 本章小结

第二章 电子稳像概述

2．1 图像的成像原理

2．2 摄像机运动和图像运动

2．3 图像变换模型

2．4 电子稳像的基本原理

2．5 本章小结

第三章 电子稳像关键技术

3．1 运动估计

3．1．1 块匹配算法

3．1．2 位平面匹配算法

3．1．3 投影曲线匹配法

3．1．4 光流法

3．1．5 相位相关的匹配算法

3．1．6 基于特征的匹配算法

3．2 运动平滑

3．2．1 均值滤波

3．2．2 高斯滤波

3．2．3 窗口自适应的均值滤波

3．2．4 卡尔曼滤波

3．3 运动补偿

3．4 本章小结

第四章 并行电子稳像算法

4．1 并行计算

4．1．1 GPU

4．1．2 CUDA开发

4．2 稳像算法流程

4．3 Harris角点检测

4．3．1 Harris角点检测步骤

4．3．2 Harris角点检测的特点

4．4 特征向量的提取

4．4．1 Hu矩

4．4．2 Hu矩的改进

4．5 双向匹配

4．6 RANSAC算法

4．6．1 串行RANSAC算法

4．6．2 RANSAC算法的并行化

4．7 运动模型参数的计算

4．8 平滑滤波

4．9 运动补偿

4．10 本章小结

第五章 实验结果与分析

5．1 实验环境

5．1．1 OpenCV简介

5．1．2 CUDA简介

5．2 处理效果

5．2．1 角点检测

5．1．2 角点的匹配

5．1．3 误匹配的剔除

5．1．4 运动参数的滤波

5．1．5 稳像效果

5．3 加速效果

5．4 本章小结

第六章 总结和展望

6．1 工作总结

6．2 未来展望

参考文献

致谢

声明