基于CUDA的多分辨率图像融合算法下载

weixin_39821260 2019-07-11 03:00:30

图像融合是图像拼接中的关键技术。在 CUDA 中充分利用 GPU 的多处理单元和多线程机制对图像处理进行并行计算，较传统的 CPU 实现大大加快了多分辨率图像融合的执行速度，提高了应用体验。
相关下载链接：//download.csdn.net/download/meiqiu/3030688?utm_source=bbsseo

...全文

16 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

图像融合是图像拼接中的关键技术。在 CUDA 中充分利用 GPU 的多处理单元和多线程机制对图像处理进行并行计算，较传统的 CPU 实现大大加快了多分辨率图像融合的执行速度，提高了应用体验。

针对红外图像边缘模糊，对比度低的问题，文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上，研究了改进的Laplace金字塔分解的图像融合算法，并基于CUDA并行处理技术，在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点，应用纹理映射、多点访问、并行触发技术，优化数据的存储结构，提高数据处理速度，适用于对红外图像增强的实时性要求较高的领域。实验结果表明，该算法有较好的并行特性，能充分利用CUDA的并行计算能力，提高了红外图像增强的实时性，处理分辨率为3 096×3 096的红外图像时加速比达32.189。

本资源主要实现了TIF红外和可见光融合的C++版本算法，采用了多种优化方式1、OpenMP多线程 2、积分图优化 3、SSE优化。目前测试1000*1000不开OpenMP的情况下30ms左右，按原文35的滤波核进行实验。本程序采用float型数据类型，计算都是以指针形式传入数组数据，同时可以采用定点优化和Cuda优化。

将CUDA技术应用于数字图像拼接领域，阐述了图像拼接的基本理论及其关键技术、多分辨率图像融合的关键算法以及CUDA技术的基本原理和开发方法，并编写了软件以实现图像快速拼接。采用对于尺度具有鲁棒性的SIFT 算法进行特征点的提取与匹配，使用稳健的RANSAC 算法求出图像间变换矩阵的值,并将图像映射到拼接平面，最后使用基于CUDA的SIFT算法实现了图像的无缝拼接。该方法提高了图像拼接的效率，克服了传统图像拼接方法因计算量大而等待时间长的缺点。实验结果表明,CUDA在数字图像处理的实际应用中卓有成效，有广阔的应用前景。

matlab暗调滤镜代码图像增强资源现实世界中的水下增强功能：具有挑战性的基准测试和有效的解决方案对比增强弱光图像的对比度增强技术 Matlab中快速优化的图像/视频增强方法 CAIP2017的“使用曝光融合框架的新图像对比度增强算法”的Python实现 “通过通道划分增强内容感知的暗图像”的非官方实现。实施“基于retinex的单个水下图像增强方法” Matlab代码，“使用对比度增强功能对对比度失真的图像进行无参考质量评估” 加快自适应对比度增强（SUACE）；一种基于OpenCV对比度增强技术。基于局部边缘保留滤镜的2016 HDR红外图像细节增强的matlab代码使用波长补偿和去雾的水下图像增强 “用于实时图像增强的深度双边学习”的实现全卷积网络的快速图像处理反射去除 “使用重影提示去除反射”的实施除雾在CUDA上实现的除雾算法。 MATLAB实现的“非局部图像去雾”论文实施“在充满挑战的照明条件下进行视频增强的高效集成算法”。水下的。实施“通过融合视频演示增强水下图像和视频” 密集连接的金字塔除雾网络超分辨率 高影响力和最先进的SR方法的集合

下载资源悬赏专区

12,771

社区成员

12,297,619

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章