基于GPU的可見光與紅外圖像融合快速實現與應用

黃曉青+趙飛燕

【摘 要】紅外與可見光融合圖像技術的應用，增強了不同波段圖像特征提取效果，且滿足了人們認知需求，因而，在此基礎上，為了將紅外與可見光融合技術更好的應用于軍用、民用等領域中，要求相關技術人員在融合系統開發過程中應注重引入GPU理念，即在系統規劃過程中，設置圖像處理單元，繼而由此提高系統數量級，滿足圖像數據量處理需求，同時就此提高系統執行效率。本文從圖像融合算法分析入手，詳細闡述了圖像融合的實現路徑。

【關鍵詞】GPU；可見光；紅外圖像；融合

0 前言

可見光與紅外圖像的高效融合，可發揮二者優勢，對圖像進行識別，且借助傳感器，提高圖像處理實時性、準確性、清晰性。但在圖像融合技術應用過程中，為了強化系統處理功能，需利用GPU計算能力，如，CPU+GPU異構模式等，實現對圖像的快速處理，達到實時性圖像融合效果，滿足用戶圖像數據應用需求。以下就是對圖像融合問題的詳細闡述，望其能為當前可見光與紅外圖像融合設計的不斷優化提供有利參考。

1 紅外與可見光圖像融合算法

紅外與可見光圖像融合，即先對可見光圖像、紅外圖像進行增強處理，而后經過高斯濾波，繼而針對小波變換圖像分解，再重構，達到圖像融合目的。而在紅外與可見光圖像融合中，圖像融合算法主要體現在以下幾個方面：

第一，灰度圖像融合，即針對可見光圖像、紅外圖像像素進行加權處理，即：

第二，彩色融合算法，彩色融合算法包含直接映射融合法、TNO融合法、基于彩色區域的融合算法的幾種類型。在TNO融合法中，即在圖像融合過程中，首先確定兩個圖像A、B共有部分C，再從原有圖像A、B減去共有部分C，然后針對獨有部分A-C或B-C進行增強處理，且送入到RGB通道中，反饋圖像融合狀況。而直接映射融合法，即將融合圖像映射到RGB通道，合成彩色圖像。此外，基于區域的彩色融合算法，即首先通過分割方式，將融合圖像劃分為若干個區域，而后根據分割后圖像的不同區域特征，選取顏色匹配的彩色圖像，將彩色圖像分配到不同區域中，達到彩色融合目的。

2 GPU視角下可見光與紅外圖像融合的實現

2.1 圖像增強的CUDA實現

在可見光與紅外圖像融合過程中，為了達到快速實現與應用目的，需結合GPU，完善圖像增強的CUDA設計，即在可見光圖像增強CUDA設計過程中，應將作業流程劃分為直方圖統計、對應表生成、灰度值轉換3個組成部分，而在灰度直方圖統計系統規劃過程中，需將圖像劃分為若干個分塊，然后利用block對各個分塊進行灰度直方圖統計，繼而待統計完畢后，將若干個block計算結果進行累加，就此滿足可見光圖像處理需求。同時，在可見光圖像增強CUDA設計過程中，應保障Kemel 0快速性，即快速完成各個分塊統計，而后將分區灰度統計數值，置入到對應圖像區域內，且確保每個block對應128個thread，而每個thread對應64個像素，就此執行灰度值統計任務，且待統計結果整合完畢后，自動生成對應表，歸一到[0，255]中[1]。

在紅外圖像增強CUDA設計過程中，需完善分配顯存、線程結構設置線性灰度變換3個部分，而在分配顯存完善過程中，需將灰度范圍控制在[fmin，fmax]范圍內，并將灰度值轉換為constant memory數據，繼而以-constant-F[2]={0，80}；-constant-G[2]={0，255}形式，提高訪問速率。同時，在線程結構設置過程中，應注重強調對配置參數的設計，就此在融合運算中，達到精準化計算目的。

2.2 高斯濾波的CUDA實現

在可見光與紅外圖像融合過程中，為了提升整體融合速率，需設計高斯濾波CUDA，而在CUDA規劃過程中為了縮短運算處理時間，需獲取sigma、xpos、ypos等高斯核數值，達到CPU、GPU間調用目的。同時，在高斯濾波GUDA設計過程中，亦需針對圖像像素進行對應表示，如，像素中x為：

nt x Index=blockDim.x*blockIdx.x+threadIdx.

就此滿足融合圖像計算需求，且基于x，y分別獲取的基礎上，針對圖像數據進行歸一化處理，而在歸一化處理中，需由公式：nWindowSize=（int）（1+2*ceil（3*sigma））對模板大小進行確定，而后通過data+計算形式，運算圖像卷積信息[2]。此外，在高斯濾波GUDA規劃過程中，亦應從小波變化角度出發，對圖像融合CUDA進行設計，并保障在圖像融合運算過程中，經歷16次Kemel計算過程，由此達到快速圖像融合效果。

3 圖像融合的探測應用

例如，某地區在圖像融合技術應用過程中，即引入了GUP，同時在融合系統規劃過程中，將可見光響應范圍控制在0.3-1.0μm之間，而圖像像素為DV10×8SA-SA1L，光圈為F1.4，繼而在此基礎上，通過圖像融合形式探測距離，即首先計算短焦探測距離，而后結合Johnson準則，計算單個圖像有效面積，最終根據太陽角30°-60°，確定探測距離，達到探測距離測量目的。同時，在探測距離運算過程中，為了保障運算結果的精準性，亦注重獲取系統中紅外光學系統通光面積、光譜透光率、單個像元大小等參數信息，且綜合考慮信噪比等因素的影響，分析探測距離的最佳值[3]。從以上的分析中即可看出，紅外與可見光融合圖像可應用于距離探測等領域中，因而基于當代社會快速發展背景下，應注重深化對圖像融合系統的設計與規劃，就此達到快速圖像融合目的。

4 結論

綜上可知，GPU在圖像融合過程中的應用有助于提升整體執行效率，為此，在圖像融合系統規劃過程中，應借助GPU設計圖像增強CADU、高斯濾波CADU等，且在圖像融合系統操控過程中，引入灰度融合計算法、彩色融合法等運算方法，就此提高圖像融合系統數據處理功能，且滿足圖像融合實時性需求，繼而將圖像融合系統應用于軍事、民事等領域中，帶動社會的進一步發展，并改善傳統可見光與紅外圖像融合中凸顯出的相應問題，縮短運算時間。

【參考文獻】

[1]鄭紅，鄭晨，閆秀生，等.基于剪切波變換的可見光與紅外圖像融合算法[J].儀器儀表學報，2012，14（07）：1613-1619.

[2]楊承，楊昕梅，李紹榮.利用紅外與可見光圖像融合測溫技術實現設備異常狀態預警[J].現代建筑電氣，2014，11（S1）：85-89.

[3]任海鵬.可見光與紅外圖像融合研究現狀及展望[J].艦船電子工程，2013，12（01）：16-19.

[責任編輯：田吉捷]