基于GPU的CLABP特征提取方法研究

　　摘 要： 彩色局部角度二值模式（CLABP）可以有效地提取彩色图像中的纹理特征，但是算法复杂、计算量大。针对这一问题，采用GPU实现CLABP特征提取和表示的并行方法。该方法一方面使用异步处理的方式实现CLABP的并行加速，另一方面采用共享内存的形式减少读取数据的次数。为了验证该方法的有效性，在Outex纹理图像数据库上与CPU程序性能进行对比，结果表明，GPU实现方法可以提升加速比约25倍。

　　关键词： GPU；彩色局部角度二值模式；异步处理

　　局部纹理特征在图像分类和目标识别中得到广泛应用，是图像的重要特征之一。局部二值模式LBP（Local Binary Patterns）[1-2]具有良好的几何不变性、角度不变性和旋转不变性等适应性，在许多方法中得到了应用和推广[3-4]。然而LBP特征对图像光照变化敏感，针对这一问题，参考文献[5]提出了一种彩色局部角度二值模式CLABP（Color Local Angel Binary Patterns），通过提取不同信号通道之间的像素夹角，对不同光照变化下的彩色人脸图像进行分类，提高了不同光照变化条件下对人脸图像识别的准确率。但是对于大量的图像检索数据而言，CPU实现的CLABP纹理特征提取方法速度较慢，对图像检索性能产生很大影响。解决这一问题的方法是采用GPU对CLABP纹理特征提取方法进行编程，实现并行计算加速。近年来，已经有部分学者尝试使用GPU对各种图像方法进行编码[6-8]。

　　本文采用GPU对参考文献[5]中提出的CLABP实现并行化编程。首先将方法分解为GPU和CPU任务，然后对GPU实现部分进行核函数处理和共享内存设计，最后通过实验验证所提方法的有效性。实验结果表明，本文采用的GPU实现方法在Outex纹理图像数据变压器电感器库中能取得将近25倍的加速比。数字功放电感

1 彩色局部角度二值模式

　　参考文献[5]针对纹理特征对光照变化下识别率不高的问题，提出了彩色局部角度二值模式纹理特征。如图1所示，无论空间矢量的大小发生怎样的变化，它与各个通道的夹角始终没有发生变化。定义Y、Cb、Cr三信号模型中任意两个信号通道之间像素值的夹角为，定义空间矢量r与信号通道内投影与参光线夹角为?兹0，则根据CLABP纹理特征的定义，用旋转不变的uniform LBP对图中任意像素点z及其邻近像素点的彩色角度进行编码如下：

　　其中，s（x）是阶跃函数，H是对中心像素点周围P个像素点的比较结果。将所有的图像像素点用网格形式进行统计，最后用级联的形式将所有网格的CLABP纹理特征连成CLABP直方图，如式（2）所示：

2 CLABP纹理特征并行实现

　　CLABP纹理特征提取分为以下三个部分实现：

　　（1）用CPU将彩色图像分为Y、Cb、Cr颜色图像，然后将图像数据分别送入GPU显存；

　　（2）启动核函数计算Y、Cb、Cr颜色图像的CLABP纹理特征；

　　（3）将CLABP纹理特征从GPU送回CPU。

　　CLABP的三个实现步骤是串行实现的，而影响实现方法性能的关键在于步骤之间的数据传输。为了利用GPU的多核并行计算和多存储器功能，需要使用异步传输的方式实现数据传输，即主机无需等待设备端完成计算，就可返回继续准备下一个图像的传输和接收工作，如图2所示。

　　GPU中的并行计算由核函数完成，核函数由网格、线程块和线程组成，启动一个核函数就对应一个网格，网格由多个线程块组成，每个线程块包括多个线程。计算时将线程块送入多核处理器中运行，线程块的最小执行单元为warp，每个warp由32个线程组成，而CLABP计算属于二维的块计算，因此将线程块大小定义为[32，32]。

　　以P=8，R=1为例，当核函数开始计算时，每个线程对图像中的一个像素点进行CLABP编码，由于CLABP是对Y、Cb、Cr颜色模型中三个信号通道内的图像像素值之间的夹角进行计算，因此每次计算均需要从全局存储器中读取三幅图像中的3×9=27个像素点值，而频繁地读取全局存储器将会导致拥塞现象。

那个大佬能用通俗的语言讲解一下pid啊 论坛
顶起看不懂这个帖子啊

工程师详解：一种车载无线射频耳机系统的设计 4月08日 第三届·无线通信技术研讨会 立即报名 12月04日 2015•第二届中国IoT大会 精彩回顾 10月30日ETF•智能硬件开发技术培训会 精彩回顾 10月23日ETF•第三届 消费

基于TMS320F2812 DSP捕获单元的柴油发电机组的1 引言 应用于高层建筑、银行、机场和油田等场合的柴油发电机组，必须采用相应方法控制其供电电压和频率，以确保在机组运行中具有良好的电气性能，满足应用要求。其频率控制一般是通过转速控制实现，目前应用较多

 1/3    1 2 3 下一页 尾页