[发明专利]一种基于GPU并行加速的频域幸运成像方法

说明书

本发明涉及一种基于GPU并行加速的频域幸运成像方法，属于图像处理算法技术领域。包括建立CPU+GPU异构系统，对需要并行加速部分用CUDA C编写程序并编译成ptx文件，以便在MATLAB中直接调用，包括以下步骤，在MATLAB中读取FITS文件的信息头文件，提取出图像帧数及每一帧图像数据信息；将所得数据从系统内存复制到GPU显存，利用GPU的并行性分配相应cuda核对数据类型进行转换；对所得数据中的特征图，寻找其峰值及其位置坐标。该加速算法所得幸运成像结果图与CPU(MATLAB)平台上运行的算法一致，但整个算法的运行速度快了3倍，即使与CPU(C++)平台的算法相比，也快了1.6倍。

技术领域

本发明涉及一种基于GPU并行加速的频域幸运成像方法，属于图像处理算法技术领域。

背景技术

传统的幸运成像，属于空域图像处理范畴，其算法主要由图像的预处理、“好图”筛选与图像的配准和叠加四个步骤完成。频域幸运成像算法基本流程仍与传统的空域幸运成像流程一致，主要区别是将图像经过傅里叶变换，在频域内对每一个空间频率所对应的所有图的复数值按其模的大小进行排序，按选择率进行复数值的选取和叠加。该算法解决了空域幸运成像数据利用率低的问题，可更多地利用短曝光图像中的有用信息，提升了最终合成图像的效果。

频域幸运成像算法流程如图1所示，它主要由数据帧预处理、频域数据选择和图像合成三部分组成。

现有的算法不能基于GPU并行，速度方面无法突破更快。

有鉴于此特提出本发明。

发明内容

为了解决上述现有技术的不足，本发明提供了一种基于GPU并行加速的频域幸运成像方法。

本发明的技术方案是：一种基于GPU并行加速的频域幸运成像方法，建立CPU+GPU异构系统，对需要并行加速部分用CUDA C编写程序并编译成ptx文件，以便在MATLAB中直接调用，包括以下步骤:

S1、在MATLAB中读取FITS文件的信息头文件，提取出图像帧数及每一帧图像大小等图像数据信息；

S2、将所得数据从系统内存复制到GPU显存，利用GPU的并行性分配相应cuda核对数据类型进行转换；

S3、对所得数据中的frameNum个ydim×xdim大小的特征图，寻找其峰值及其位置坐标；

S4、以灰度峰值为中心进行图像裁剪，得到包含天文目标的128×128大小的特征图；

S5、之后调用OpenCV库中的cv:GaussianBlur进行高斯滤波；再对滤波后的空域图像数据进行傅里叶变换，得到频域图像数据；

S6、把得到频域图像数据保存在预先分配好的cuda核中再对得到的10000帧图像数据进行频域振幅最大值排序；

S7，将所得到的频域幅值排序结果回传到系统内存，在MATLAB中按给定的选择率即选图比找出幅值前K大的特征图进行复数累加求和；

S8，对得到的结果进行傅里叶逆变换及可视化，输出结果图。

进一步地，ITS文件具体为将短曝光天文图像的FITS头文件数据读取到内存，从中解析出图像信息，然后，依次读取图像数据，读取到的数据是8位的unsigned char类型，将前后读到的两个8位的unsigned char类型数据记为a0、a1进行一个转换，公式如下：d＝a₀×256+a₁。