[发明专利]基于GPU并行计算的无人机影像拉花区域自动探测方法

摘要

本发明公开了一种基于GPU并行计算的无人机影像拉花区域自动探测方法，包括CPU端加载原始无人机影像、影像内方位元素、外方位元素和数字高程模型DEM，并根据中心投影构像方程计算正射纠正后正射影像的大小和范围；CPU端创建GPU线程格网、开辟相应的显存，并拷入数据；GPU端按线程格网从纠正后影像像素反算其对应原始影像上的像素坐标；GPU端进行拉花像素判断；GPU端按线程格网对探测结果二值图像进行图像腐蚀和图像膨胀处理；CPU端将拉花检测后的二值图像结果从GPU全局存储器拷到内存，并将二值图像矢量化，获得拉花变形区域矢量数据等步骤。其显著效果是：实现了无人机单片正射影像中拉花变形区域探测的自动化，极大提高了无人机单片正射影像拉花区域探测效率。

主权项

1.一种基于GPU并行计算的无人机影像拉花区域自动探测方法，其特征在于按照以下步骤进行处理：步骤1：CPU端加载原始无人机影像、影像内方位元素、外方位元素和数字高程模型DEM，根据中心投影构像方程计算正射纠正后正射影像的大小和范围，计算方法如下：步骤1‑1：将原始无人机影像、影像内方位元素、外方位元素和数字高程模型DEM等数据读入内存中，计算原始无人机影像四个角点(x1,y1),(x2,y2),(x3,y3),(x4,y4)对应地面点的坐标(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4)，计算公式为：其中，(X,Y)为地面点坐标，(x,y)为像点坐标，Xs,Ys,Zs为影像外方位元素中的三个线元素，a1,b1,c1,a2,b2,c2,a3,b3,c3为影像外方位元素中三个角元素计算得到的旋转矩阵中的9个参数，f为相机焦距，Z0为测区平均高程值；步骤1‑2：按照公式计算地面点坐标(X₁,Y₁),(X₂,Y₂),(X₃,Y₃),(X₄,Y₄)在X、Y方向的极值X_min,X_max,Y_min,Y_max；步骤1‑3：根据四个极值计算得到正射纠正后正射影像的列数widthdst和行数heightdst，计算公式为：其中，M是正射纠正后正射影像的分辨率；步骤2：CPU端根据正射纠正后正射影像大小创建GPU线程格网，开辟相应的显存，并将相应数据从内存拷贝入对应显存；步骤3：GPU端按线程格网从正射纠正后正射影像像素反算其对应原始影像上的像素坐标；步骤4：GPU端按照线程格网统计当前像素与周边像素重叠次数，并判断其是否为拉花像素；步骤5：GPU端按线程格网对拉花检测后的二值图像进行图像腐蚀与图像膨胀处理；步骤6：CPU端将拉花检测后的二值图像结果从全局存储器拷到内存，并将二值图像矢量化，获得拉花变形区域矢量数据；步骤5中对二值图像进行图像腐蚀与图像膨胀处理的步骤为：步骤5‑1：按照线程索引以当前像素为中心，建立一个适当大小的方形腐蚀窗口，若当前中心像素灰度值为g1时进入步骤5‑2；步骤5‑2：遍历腐蚀窗口中每一个像素，统计灰度值为g1的像素个数sum，若sum小于腐蚀窗口内像素总个数的一半时，将当前中心像素赋值为0；步骤5‑3：按照线程索引以当前像素为中心，建立一个适当大小的方形膨胀窗口；步骤5‑4：将当前像素对应的灰度值为与灰度阈值g2进行比较，若相等则遍历膨胀窗口中每一个像素，并将其对应的灰度值赋值为灰度阈值g2；步骤5‑5：等待所有线程计算完毕，并将计算结果存储到全局存储器中。