[发明专利]一种基于CUDA的低照度图像增强并行优化方法

权利要求书

1.一种基于CUDA的低照度图像增强并行优化方法，是指在GPU上使用CUDA编程模型对低照度增强算法进行并行优化，以达到实时处理效果，所述低照度图像增强算法为基于暗原色去雾技术的增强算法，所述CUDA编程模型采用CPU/GPU异构模式，其特征在于，包括以下步骤：

步骤1、在CPU上将图像数据读取到内存中，然后分别将图像数据的三个颜色通道值拷贝到GPU上的显存中；

步骤2、使用一个kernel用于计算图像反转和暗原色图；

步骤3、使用一个kernel用于计算共享寄存器中的最大值，使用偏移循环调用这个kernel，最终计算出全局大气光值；

步骤4、使用一个kernel用于计算透射率和使用去雾模型进行恢复并再次进行反转；

步骤5、将复原得到的图像从GPU的显存中拷贝到CPU的内存中，CPU将复原后的图像进行保存。

2.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述低照度图像增强算法全部在GPU上运行，输入数据和输出数据在CPU和GPU之间进行拷贝。

3.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，在GPU上，每个kernel都开辟与图像像素点数目相同的线程，每个线程对一个像素点进行处理。

4.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述步骤2中，为每个颜色通道开辟像素点总数/512个block，每个block中的线程对单个像素点进行反转操作，具体的反转算法如下：

                                                  

式中：c表示RGB颜色通道，L表示输入的原始图像，I表示反转后的输出图像。

5.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述步骤2中，计算暗原色图方法，包括以下步骤：

将所述反转图像的RGB三通道值拷贝到GPU共享存储器中，在Block中每个线程以单个像素点为单位，对7*7窗口内像素点的各个通道做最小值滤波，再对其每个颜色通道求最小值作为该像素点的暗原色值。

6.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述步骤3中，使用图像的亮度和暗原色图共同作用来估算大气光值A，包括以下步骤：

在GPU上开辟图像像素点数目的线程，每个线程分别计算单个像素点的大气光综合评估值F，并保存于全局存储器中；然后对每个block中所有线程求得的像素点F值进行log(n)次归约，得到此block中F的最大值，并将其存于共享存储器中；再对共享存储器中的像素点进行归约，进行循环规约后，最终得共享存储器中的最大值，即为估算所得全局大气光A，具体求得大气光综合评估值F的算法如下：

式中：k为亮度图像Y与暗原色图像的比值，亮度图像Y的计算公式为：

式中：R、G、B分别代表图像RGB三通道分量值。

7.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述步骤4中，采用有雾图像的亮度图Y估算透射率t，将亮度值进行归一化，并使用一个常量C削弱归一化的亮度值，得到图像透射率图t，并用一个局部变量保存每个像素点的透射率值，计算透射率t的公式为：

式中：C为用于削弱亮度图像Y的参数，C取值范围为[1.06，1.08]。

8.根据权利要求1所述的基于CUDA的低照度图像增强并行优化方法，其特征在于，所述步骤4中，在一个kernel中，每个线程先后完成计算当前像素点的透射率，计算该点的复原图，并将复原后的图像再次反转，其中，计算复原图的具体算法如下：

式中：I(x)为反转后的图像，A为全局大气光，t(x)为透射率图像。