论文部分内容阅读
光学显微镜拓展了人类的微观眼界,在科研和生产中具有重要作用。随着信息化、自动化技术的发展,传统光学显微镜在很多方面已不能适应科研工作的需求。论文针对传统显微镜自动化改造会影响原有显微镜结构的缺点,提出一种桥搭式结构显微镜自动控制台,并在此基础上,根据显微镜自动控制台图像处理算法准确性、稳定性和实时性的需要,运用近年来蓬勃兴起的GPU并行加速计算技术,研究自动控制台涉及的两个关键图像处理算法——自动聚焦算法和图像配准算法。主要工作有:
(1)以数据图像方式直观对比评价自动聚焦函数的无偏性、单调性、差别性、鲁棒性、简单性,在对比分析基础上,提出一种差别性好、鲁棒性强的交叉差分乘积函数,实验和理论分析表明其差异性和鲁棒性优于性能较好的灰度差分平方和函数。对内容重要度加权函数进行改进,提出使用相邻图像梯度均值或同位置像素方差作为权值,提高函数的准确性和鲁棒性。最后联合使用交叉差分乘积函数与改进的内容重要度加权函数,取得很好的自动聚焦效果,尤其是增强了自动聚焦函数的差别性和鲁棒性。
(2)对基于像素灰度的图像配准方式进行仿真,发现存在多个极值点,难以正确配准;最终在图像分割和图像标记的基础上,选用基于Hu矩不变量的区域和边缘形状特征图像配准方式,实现区域形状特征提取与特征点粗匹配。在对粗匹配特征点进行精匹配的研究中,提出一种基于映射不变量的多约束筛选聚集法,该方法适用于一般仿射变换图像的特征点匹配,具有计算量小,准确性和稳定性好等优点。最后使用渐变融合方法进行图像融合,得到准确的拼合图像。
(3)利用OpenCL实现GPU并行算法,并考虑GPU编程优化。深入研究图像区域标记的GPU并行实现:针对基于索引的并行种子生长法当存在多个局部极小值点时性能低下的问题,提出自索引跳转改进方式;研究基于点扩散、区域扩散和线段扩散方式的多种并行标记算法,得出基于完全索引跳转的线段扩散方法性能最佳,适于GPU并行实现。
经初步验证,本文提出的算法能正确高效地实现显微镜自动聚焦和图像配准。自动聚焦算法GPU并行加速率达到CPU的6.6~20.7倍;图像配准算法并行加速率达到3.8-5.3倍。