GPU并行实现的基于多方向线状梯度调节预测器边缘检测算法

doi:10.11772/j.issn.1001-9081.2013.07.2002

计算机应用 ›› 2013, Vol. 33 ›› Issue (07): 2002-2004.DOI: 10.11772/j.issn.1001-9081.2013.07.2002

GPU并行实现的基于多方向线状梯度调节预测器边缘检测算法

党向盈,鲍蓉,姜代红

徐州工程学院江苏省大型工程装备检测与控制重点建设实验室，江苏徐州 221000

收稿日期:2013-01-16 修回日期:2013-03-12 出版日期:2013-07-01 发布日期:2013-07-06
通讯作者: 党向盈
作者简介:党向盈(1978-)，女，江苏徐州人，讲师，硕士，CCF会员，主要研究方向：图像处理、模式识别；鲍蓉(1968-)，女，江苏徐州人，教授，博士，CCF会员，主要研究方向：模式识别、嵌入式技术；姜代红(1969-)，女，湖南郴州人，教授，博士研究生，主要研究方向：模式识别、嵌入式技术。
基金资助:
江苏省高校科研成果产业化推进工程项目(JHB2012-36);江苏省科技支撑计划(工业)项目(BE2011048)

GPU parallel implementation of edge-detection algorithm based on multidirectional linear gradient adjusted predictor

DANG Xiangying,BAO Rong,JIANG Daihong

Jiangsu Key Laboratory of Large Engineering Equipment Detection and Control, Xuzhou Institute of Technology, Xuzhou Jiangsu 221000, China

Received:2013-01-16 Revised:2013-03-12 Online:2013-07-06 Published:2013-07-01
Contact: DANG Xiangying

摘要/Abstract

摘要： 针对无损压缩编码中梯度调节预测器(GAP)模板的方向固定、单一的问题，根据实际边缘具有线状变化增量相同的特征，提出多方向线状梯度调节预测器(MLGAP)模板。首先从图像中心向四周划分四个子图像，应用图形处理器(GPU)并行技术，在每个子图像中采用MLGAP模板计算预测值；然后利用错误反馈信息构建预测误差图像；再通过大津(OTSU)算法计算阈值；分类误差图像边缘；最后用Hilditch算法细化边缘。实验结果表明，图像边缘检测定位精确，噪声少，细节丰富，而且GPU并行技术加速了图像处理。

关键词: 多方向线状梯度调节预测器, 图形处理器, 大津算法, 阈值, 细化

Abstract: Concerning the fixed direction and monotony of lossless image compression template of Gradient Adjusted Predictor (GAP), according to the characteristic of the actual edge with the same linear increments, this paper proposed Multidirectional Linear Gradient Adjusted Predictor (MLGAP) template. Firstly the image was cut into four sub-images from the center to the periphery. With the application of Graphics Processor Unit (GPU) parallel technology operation, the predictive value was calculated by MLGAP template in each sub-image, and then error feedback was used to construct prediction error image. The threshold was calculated by OSTU algorithm, and error image edge was classified. At last the edge was thinned by Hilditch algorithm. The simulation results show that using the proposed method can get clear, complete and precise edges. In addition, the GPU parallel technology accelerates the image processing.

Key words: Multidirectional Linear Gradient Adjusted Predictor (MLGAP), Graphic Processing Unit (GPU), OTSU algorithm, threshold, thinning

中图分类号:

TP391.413

党向盈鲍蓉姜代红. GPU并行实现的基于多方向线状梯度调节预测器边缘检测算法[J]. 计算机应用, 2013, 33(07): 2002-2004.

DANG Xiangying BAO Rong JIANG Daihong. GPU parallel implementation of edge-detection algorithm based on multidirectional linear gradient adjusted predictor[J]. Journal of Computer Applications, 2013, 33(07): 2002-2004.

参考文献

［1］田岩,彭复员.数字图像处理与分析［M］.武汉:华中科技大学出版社,2009:122-134.

［2］唐旭晟,陈丹.基于局部边缘特征的快速目标检测［J］.计算机辅助设计与图形学学报,2011,23(11):1902-1907.

［3］王青竹,王珂,袁国良,等.多层次自适应空间系数高斯小波图像边缘检测［J］.中国图象图形学报,2009,14(7):1347-1353.

［4］乔奎贤,尹诗白.基于冲突再分配的DSmT的多尺度融合边缘检测算法［J］.计算机应用,2012,32(4):1050-1055.

［5］王朋伟,牛瑞卿.基于灰度形态学与小波相位滤波的高分辨率遥感影像边缘检测［J］.计算机应用,2011,31(9):2481-2484.

［6］冀峰,高新波,谢松云.Mean-shift滤波和直方图增强的图像［J］.中国图象图形学报,2012,17(6):651-656.

［7］YU Y H, CHING C C. A new edge detection approach based on image context analysis ［J］. Image and Vision Computing, 2006, 24(10): 1090-2102.

［8］WU X, MEMON N. CALIC—A context based adaptive lossless image codec ［C］// ICASSP-96: 1996 IEEE International Conference on Acoustics, Speech, and Signal Processing. Washington, DC: IEEE Computer Society, 1996: 1890-1893.

［9］陈兵旗,孙明.实用数字图像处理与分析［M］.北京:清华大学出版社,2008:69-70.

［10］WANG H Y, ZHANG D. A linear edge model and its application in lossless image coding ［J］. Signal Processing: Image Communication, 2004, 19(10): 955-958.

［11］党向盈,鲍蓉,姜代红.基于多方向梯度边缘预测器快速边缘检测算法［J］.计算机应用,2013,33(3):674-676,707.

［12］吴恩华,柳有权.基于图形处理器(GPU)的通用计算［J］.计算机辅助设计与图形学学报,2004,16(5):601-612.

［13］韩培友,董桂云.图像技术［M］.西安:西安工业大学出版社,2009:253-254.

［14］贾瑜,饶建辉.一种对文字图像细化的改进Hilditch算法研究［J］.武汉工业学院学报,2006,25(3):37-39.

［15］马磊,綦星光.常用细化算法在纸浆纤维图像处理中的应用与比较［J］.山东轻工业学院学报,2008,22(4):49-51.

[1]	刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲. 基于阈值和极端随机树的实时跌倒检测方法[J]. 计算机应用, 2021, 41(9): 2761-2766.
[2]	贾鹤鸣, 李瑶, 姜子超, 孙康健. 基于改进共生生物搜索算法的林火图像多阈值分割[J]. 计算机应用, 2021, 41(5): 1465-1470.
[3]	解文博, 韦永壮, 刘争红. 基于CUDA的SKINNY加密算法并行实现与分析[J]. 计算机应用, 2021, 41(4): 1136-1141.
[4]	杨先凤, 贵红军, 傅春常. 统一计算设备架构下的F-X域预测滤波并行算法[J]. 计算机应用, 2021, 41(2): 486-491.
[5]	平凡, 汤小春, 潘彦宇, 李战怀. 不规则任务在图形处理器集群上的调度策略[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3295-3301.
[6]	卓禹心, 韩素雅, 张榆锋, 李支尧, 董毅峰. 基于超声谐波包络Nakagami参数图像的微波消融区域自动分割方法[J]. 计算机应用, 2021, 41(10): 3089-3096.
[7]	王思鹏, 杜昌平, 叶志贤, 宋广华, 郑耀. 基于多步神经网络观测器的扑翼飞行器缓变故障检测[J]. 计算机应用, 2020, 40(8): 2449-2454.
[8]	曹建芳, 赵爱迪, 张自邦. 融合阈值寻优的卷积神经网络在图像标注中的应用[J]. 计算机应用, 2020, 40(6): 1587-1592.
[9]	张皓然, 王学渊, 李小霞. 基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法[J]. 计算机应用, 2020, 40(6): 1763-1768.
[10]	王忠锋, 徐志远, 宋纯贺, 张宏宇, 蔡颖凯. 基于梯度的深度网络剪枝算法[J]. 计算机应用, 2020, 40(5): 1253-1259.
[11]	余敦辉, 袁旭, 张万山, 王晨旭. 基于动态阈值的时空众包在线分配算法[J]. 计算机应用, 2020, 40(3): 658-664.
[12]	杨立波, 蒋铁钢, 徐志强. 基于混合梯度的硬阈值追踪算法[J]. 计算机应用, 2020, 40(3): 912-916.
[13]	王海鹏, 降爱莲, 李鹏翔. 牛顿-软阈值迭代鲁棒主成分分析算法[J]. 计算机应用, 2020, 40(11): 3133-3138.
[14]	曹义亲, 刘龙标. 基于缺陷比例限制的背景差分钢轨表面缺陷检测方法[J]. 计算机应用, 2020, 40(10): 3066-3074.
[15]	吴小莉, 郑艺峰. 基于K近邻算法的噪声种类识别和强度估计[J]. 计算机应用, 2020, 40(1): 264-270.

GPU并行实现的基于多方向线状梯度调节预测器边缘检测算法

GPU parallel implementation of edge-detection algorithm based on multidirectional linear gradient adjusted predictor

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics