[发明专利]一种基于OpenMP和CUDA的图像特征提取并行算法

权利要求书

1.一种基于OpenMP和CUDA的图像特征提取并行算法，应用于利用内核原型分析算法的图像特征提取，其特征在于，包括以下步骤：

S1.获取待处理的图像，所述图像大小为m×n，则所述图像的矩阵为X(m×n)，对待处理矩阵进行计算得到核矩阵K(m×m)，K＝X^TX；并作为内核原型分析算法的输入；

S2.设置内核原型分析算法中的初始参数α、δ和原型个数D；

S3.采用FURTHESTSUM算法对内核原型分析算法进行初始化，使用OpenMP和CUDA在GPU中并行执行所述初始化中的候选点提取过程，根据归约算法求取各计算节点中候选点的最大值后得到最终提取的D个候选点；

S4.根据提取得到D个候选点初始化矩阵C(n×D)以及矩阵S(D×n)，其中矩阵S中每个元素的值随机生成；

S5.使用投影梯度法更新矩阵C、矩阵S以及矩阵α_C得到计算结果；其中使用投影梯度法更新矩阵的过程中，使用OpenMP和CUDA在GPU中并行执行其中的矩阵乘法运算，使用OpenMP并行执行其中的矩阵减法运算；

S6.根据计算结果计算矩阵A＝XC即为对图像进行特征提取得到的特征矩阵。

2.根据权利要求1所述的基于OpenMP和CUDA的图像特征提取并行算法，其特征在于，步骤S1中所述的内核原型分析算法为：

arg min_C,SD(X|XCS)

s.t.|c_d|₁＝1,|s_n|₁＝1

C≥0，S≥0

其中C为原始输入数据的权重系数矩阵，S为原始输入数据变换后的比例系数矩阵，α、δ为针对无纯像元存在的情况引入的尺度变量。

3.根据权利要求1所述的基于OpenMP和CUDA的图像特征提取并行算法，其特征在于，所述步骤S3具体包括以下步骤：

S31.在所述核矩阵K＝X^TX中随机选择一个点j作为初始候选点，并放到集合N中；

S32.利用OpenMP开启多个线程：

当n≤2048时，开启2个线程；

当2048＜n≤10240时，开启4个线程；

当n＞10240时，开启8个线程；

当n达到千万级时，则使用CUDA在GPU开启1024个以上的线程；

S33.将除集合N外的点平均分到步骤S32得到的每个线程中，在每个线程计算线程中的点到集合N中候选点的距离，并选出其中的距离最大值；在所有线程的距离最大值中，再次选出最大值，并将该最大值对应的点加入集合N中作为候选点；

S34.重复步骤S33，直至选出D个候选点；

S35.删除步骤S31随机选出的初始候选点j，并通过步骤S33选出最后一个候选点；得到最终提取的D个候选点。