基于雙向相似函數(shù)的快速圖像合成與編輯.pdf

1、伴隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，產(chǎn)生了海量的圖像和視頻數(shù)據(jù)，對(duì)這些圖像和視頻數(shù)據(jù)進(jìn)行處理與編輯得到了大家的高度重視。最近提出的基于雙向相似函數(shù)的方法使用雙向能量函數(shù)來(lái)衡量原圖和輸出圖的關(guān)系，通過(guò)對(duì)該能量函數(shù)進(jìn)行優(yōu)化得到相應(yīng)的圖像合成與編輯應(yīng)用。該方法具有合成質(zhì)量高、應(yīng)用范圍廣的特點(diǎn)，但由于采用類似期望值最大化方法(Expectation Maximization，EM)進(jìn)行迭代優(yōu)化，使其圖像編輯速度慢，難以應(yīng)用于圖像的快速合成和編輯。此外，該方

2、法可控性較差，使得用戶難以控制處理效果。
　　本文從提高處理速度、改善處理效果兩個(gè)方面對(duì)基于雙向相似函數(shù)的圖像編輯方法展開(kāi)研究。首先，針對(duì)在能量迭代優(yōu)化過(guò)程中的高耗時(shí)最近鄰域搜索問(wèn)題，采用GPU來(lái)完成所有計(jì)算密集的核心函數(shù)，實(shí)現(xiàn)了并行加速。在上述快速優(yōu)化雙向相似函數(shù)的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)了基于能量?jī)?yōu)化的紋理合成與快速流場(chǎng)可視化應(yīng)用。此外，針對(duì)雙向相似函數(shù)未能根據(jù)不同應(yīng)用自適應(yīng)處理圖像不同區(qū)域的情況，采用視覺(jué)顯著性模型計(jì)算圖像重要度，

3、并重新設(shè)計(jì)了基于重要度的可控雙向相似函數(shù)，實(shí)現(xiàn)對(duì)圖中具有不同重要性的塊的自適應(yīng)處理。
　　本文的主要工作和成果如下:
　　1)基于CUDA(Compute Unified Device Architecture)的雙向相似函數(shù)并行加速:針對(duì)基于雙向相似函數(shù)的圖像編輯方法中的最近鄰域搜索加速，本文采用CUDA來(lái)開(kāi)發(fā)并行化的k-coherence算法和PatchMatch算法，將每個(gè)塊的最近鄰域搜索分別分配到對(duì)應(yīng)的一個(gè)CUDA線

4、程中進(jìn)行搜索，使得兩種算法在準(zhǔn)確率基本未受影響的情況下，在時(shí)間性能上較CPU的實(shí)現(xiàn)方法得到了明顯的提高。
　　2)基于雙向相似函數(shù)的快速流場(chǎng)可視化:根據(jù)紋理優(yōu)化和流場(chǎng)可視化的特點(diǎn)，通過(guò)對(duì)雙向相似函數(shù)的適當(dāng)修改獲得適用的能量函數(shù)，并使用EM能量?jī)?yōu)化算法對(duì)得到的能量函數(shù)進(jìn)行最小化，使得生成的紋理能與原紋理達(dá)到最大相似，生成的流場(chǎng)幀既與原紋理具有相似性又能很好地表示出流場(chǎng)的特性。此外采用了并行化的k-coherence算法在CUDA平臺(tái)