[发明专利]一种非局部均值滤波的快速并行实现方法

摘要

非局部均值滤波算法是一种被广泛应用于抑制图像噪声的算法，该算法根据属于同一图像结构的像素点周围有着相似的邻域结构这一假设，并基于此邻域相似性质构建加权滤波器来抑制图像中的噪声。实验证明该非局部均值滤波算法能在有效地抑制图像中的噪声的同时保持图像中的组织信息，为了有效地抑制图像中的噪声，一般需要较大的搜索窗以引入较多的邻域信息，从而导致大量的计算量和处理时间，影响了其在实际中的应用。为了解决这一问题，本发明提出了一种非局部均值滤波的快速并行实现方法，该方法在原有的以像素为单位的GPU并行的基础上，利用共享存储器特性及非局部均值权重对称性来优化并行操作，显著地提高了非局部均值滤波算法的计算速度。

主权项

一种非局部均值滤波的快速并行实现方法，其特征在于，以像素为单位，每一个图形处理单元GPU中的线程计算图像中的一个像素点，对非局部均值滤波算法进行并行化的GPU加速，包括以下步骤：步骤1、在GPU中，每一个线程都计算它所对应的像素点与其搜索窗中的某一个位置的像素点的灰度差异值的绝对值；当所有的线程都计算完差异值后，假设比较块变径为B，计算以该线程所对应的像素点为中心的比较块的中心行的B+1种可能灰度累加值，即根据该中心行在不同的比较块中与该比较块中心点的距离乘以不同的距离系数得到该中心行所有的可能累加灰度差绝对值；步骤2、在GPU中，每一个线程都计算它所对应的像素点的比较块与其的搜索窗中的步骤1中的某一个位置的像素点的比较块的相似度，即对步骤1的结果，选择相应的累加灰度差绝对值进行累加，根据累加结果计算比较块的相似度，得到一个权重值；步骤3、在GPU中，每一个线程都累加它所对应的像素点在步骤2计算的权重值，同时也累加权重值乘以像素的值；遍历搜索窗里的所有位置，每一次都执行上述三个步骤；步骤4、根据最后一次步骤3得出的累加权重值和累加像素和计算出处理后的像素值。