【技术实现步骤摘要】
本专利技术属于图像处理技术,具体涉及一种基于GPU平台的并行图像压缩感知方法。
技术介绍
压缩感知是近几年出现的一种新型信号处理方法,以远低于Nyquist频率对信号同时进行压缩与采样,然后通过求解一个最优化问题就能从少量的观测值中以较高的概率重构出原始信号。目前,压缩感知理论已广泛应用在图像处理领域中的各个方面,如图像融合、去噪、压缩、成像等。压缩感知处理的实现过程主要包括四个模块:图像数据读写、稀疏处理、采样、重构。在采用如CoSaMP算法进行重构处理时,其具体又包括如下6个步骤:(1)计算信号代理,通过矩阵向量乘法来计算残差与观测矩阵(采样时所选择的观测矩阵)每一列的内积;(2)从计算结果中选出前2K(K表示稀疏度)个最大值的位置作为信号索引;(3)基于信号索引和上一次迭代得到的索引集得到当前迭代的索引集;(4)采用最小二乘法获取新的估计信号,即获取当前迭代所对应的估计信号;(5)信号剪切,即从最新估计信号选出前K个最大元素的位置,对当前迭代的索引集进行更新,即将所述前K个最大元素的位置作为的位置,对当前迭代的索引集;(6)基于剪切后的估计信号更新残差,并检验是否满足迭代停止条件,若是,则结束迭代,输出步骤(5)得到的剪切后的估计信号;否则基于更新后的残差继续执行步骤(1)。然而,由于遥感图像具有高分辨率、多时相、数据量大等特点,重构信号时间急剧增加,使得压缩感知理论在遥感图像的加速处理实际应用中存在一定待解决的问题,其重构算法包含大量的浮点矩阵运算和迭代运算,计算复杂度高,仅采用传统的串行方式进行处理,存在运行时间过长的问题,无法满足人们对算法处 ...
【技术保护点】
一种基于GPU平台的并行图像压缩感知方法,其特征在于,在包括CPU端和GPU端的平台上执行下列步骤:在CPU端采用串行方式执行如下操作:读入图像数据,基于稀疏度K、稀疏基进行稀疏处理后,再基于预设观测矩阵进行采样处理,得到采样图像;采用CoSaMP算法对采样图像进行重构处理得到压缩图像:在CPU端完成重构处理的初始化并将初始化参数传输给GPU端,存储在预设的GPU端的存储单元后,CPU端采用串行方式,GPU端采用并行方式执行下列操作:GPU端计算信号代理并将计算结果传给CPU端;CPU端从计算结果中筛选出信号索引,并基于信号索引和上一次迭代得到的索引集得到当前迭代的索引集,并将当前迭代的索引集传给GPU端;GPU端基于采样矩阵和当前迭代的索引集得到扩充支持集,其中采样矩阵为观测矩阵和稀疏基的乘积;GPU端基于扩充支持集和采样图像,采用最小二乘法获取当前迭代的估计信号并传给CPU端;CPU端对当前迭代的估计信号进行信号剪切处理并将剪切结果传给GPU端;GPU端基于剪切结果和采样图像进行残差更新操作,及计算当前残差的二范数并传给CPU端;CPU端基于残差的二范数判断是否满足迭代停止条件,若 ...
【技术特征摘要】
1.一种基于GPU平台的并行图像压缩感知方法,其特征在于,在包括CPU端和GPU端的平台上执行下列步骤:在CPU端采用串行方式执行如下操作:读入图像数据,基于稀疏度K、稀疏基进行稀疏处理后,再基于预设观测矩阵进行采样处理,得到采样图像;采用CoSaMP算法对采样图像进行重构处理得到压缩图像:在CPU端完成重构处理的初始化并将初始化参数传输给GPU端,存储在预设的GPU端的存储单元后,CPU端采用串行方式,GPU端采用并行方式执行下列操作:GPU端计算信号代理并将计算结果传给CPU端;CPU端从计算结果中筛选出信号索引,并基于信号索引和上一次迭代得到的索引集得到当前迭代的索引集,并将当前迭代的索引集传给GPU端;GPU端基于采样矩阵和当前迭代的索引集得到扩充支持集,其中采样矩阵为观测矩阵和稀疏基的乘积;GPU端基于扩充支持集和采样图像,采用最小二乘法获取当前迭代的估计信号并传给CPU端;CPU端对当前迭代的估计信号进行信号剪切处理并将剪切结果传给GPU端;GPU端基于剪切结果和采样图像进行残差更新操作,及计算当前残差的二范数并传给CPU端;CPU端基于残差的二范数判断是否满足迭代停止条件,若是,则将当前剪切结果作为重构处理的...
【专利技术属性】
技术研发人员:黄方,董蕾,朱强,金都,兰波,李丽,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。