论文部分内容阅读
基于暗原色先验的单帧图像去雾方法,因具有稳固数学机理,可获得清晰自然的无雾图像,近年来获得较多研究。但在实际应用中,该算法需要运用软抠图细化透射图,避免易出现halo效应,而软抠图算法的计算量大、耗时高,提高暗原色先验算法的速度是一个很关键的问题。本文分析了雾天图像降质原因和模糊机理,提出了一种基于改进的中值维纳(MMWF)滤波器细化的快速暗原色先验去雾算法,并在CUDA平台下利用GPU对该方法进行了并行实现;对时间一致性视频去雾算法进行了 GPU端的并行化设计,提升了该类视频去雾算法的实时性。论文研究内容有以下几个方面:(1)针对现有暗原色先验算法中透射图细化算法计算复杂度高问题,提出了一种利用MMWF滤波器对粗略透射图进行细化的新算法,该算法复杂度低,计算量较少,有效的减少了算法的运行时间,在保持图像边缘信息,抑制halo效应的同时,降低抠图算法的时间复杂度。(2)设计了一种CPU+GPU异构实现的暗原色先验并行视频去雾算法。该方法由CPU进行算法逻辑控制,GPU处理算法数据,基于CUDA平台对改进后的暗原色先验去雾算法的每一步骤进行并行实现,重点解决了并行规约以及图像卷积的并行实现问题,通过实验测试,GPU并行化后的去雾处理速度可提升30至40倍,每秒可以处理20帧左右的图片,基本上达到实时性的要求。(3)通过对时间一致性视频去雾算法的研究,利用CUDA编程模型、存储器模型。将该算法中计算量大、复杂度高的步骤,在GPU端实现并行化;并利用指令集和程序代码的优化、共享存储器的合理配置,达到优化的目的,从而进一步加快图像处理的速度;最后利用MFC实验测试,GPU并行化后速度提升的3-4倍。