[发明专利]基于GPU的图像快速配准方法

权利要求书

1.一种基于GPU的图像快速配准方法，其特征在于，包括：

对源图像进行仿射变换，获得变换图像，并分别计算源图像与变换图像的特征向量集合，分别记为D_A和D_B，特征向量集合D_A和D_B中的特征向量所对应的关键点记为集合A和B；

利用两个CUDA内核在GPU上来分别实现关键点的粗匹配与精细匹配：

粗匹配时，块的数量由特征向量集合D_A的数量n确定，每个块中线程数量由特征向量集合D_B的数量m确定，利用上述方式来组织内核，每个块实现关键点集合A中每一个关键点与关键点集合B中所有关键点之间的匹配，匹配时计算相应特征向量之间的距离，并配合第一阈值，进行匹配，所有块的匹配结果存储在全局存储器中，共有N个匹配点对；

精细匹配时，将内核设计为执行RANSAC算法的每个元素，且只启动一个块；选择三个非线性的匹配点对由CPU计算仿射变换时所使用的变换矩阵H；所启动的一个块中包含N-3个线程，利用这N-3个线程来结合第二阈值、变换矩阵H与其余的N-3个匹配点对，来区分匹配点对属于内点匹配或外点匹配，从而筛选出精确的匹配点对。

2.根据权利要求1所述的一种基于GPU的图像快速配准方法，其特征在于，

对源图像进行仿射变换包括：

设p＝(x,y)^T，p'＝(x',y')^T分别是源图像与变换图像的坐标，二者关系为：

p'＝Hp+t；

写成矩阵形式为：

其中，t是平移分量，t_x、t_y分别为在x、y轴上的平移分量；a₁₁、a₁₂、a₂₁与a₂₂为源图像与变换图像的坐标经过变换时的映射关系；变换矩阵H控制缩放、合计和剪切效应；

通过使用齐次坐标，上述矩阵形式变为：

再分别计算源图像与变换图像的特征向量集合，假设：D_A＝{d₁,d₂,...,d_n-1,d_n}，D_b＝{d'₁,d'₂...,d'_m}，A＝{p₁,p₂,....,p_n}，B＝{p'₁,p'₂,....,p'_m}；其中，d_i、d'_j对应的表示特征向量集合D_A、D_B中的特征向量，p_i、p'_j为d_i、d'_j对应的关键点，下标为关键点的序号，i＝1,2,...,n，j＝1,2,...,m。

3.根据权利要求2所述的一种基于GPU的图像快速配准方法，其特征在于，粗匹配时计算相应特征向量之间的距离，并配合第一阈值，确定匹配点对包括：

对关键点集合A中每一个关键点，计算与关键点集合所有关键点匹配关系，计算时带入相应关键点对应的特征向量，从而计算特征向量之间的距离；

采用合并排序的并行排序算法，来按照升序对已经计算了距离值使用同步机制进行排序；

计算排序后的序列中第一和第二距离的比值，如果比值小于第一阈值，则认为相应关键点为匹配点，否则不是匹配点。

4.根据权利要求1或3所述的一种基于GPU的图像快速配准方法，其特征在于，第一阈值存入常量内存，特征向量集合D_A存入共享内存。