一种基于自适应CUDA加速邻域匹配框架的改进的图像类比方法

图像类比框架对于合成用于非均匀输入的吸引人的图像特别有用，并为用户提供了对合成结果的创造性控制。 但是，传统框架没有根据邻域的不同纹理内容来自适应地采用搜索策略。 此外，由于邻域匹配中涉及大量的计算，因此合成速度较慢。 在本文中，我们提出了一种基于CUDA的图像相似度匹配算法。 我们的算法根据图像的不同纹理特征在合成过程中自适应地应用了精确的L（2）最近邻和k相干搜索策略的全局搜索，这对于非均匀纹理特别有用。 为了在GPU上始终实现上述两种搜索策略，我们采用了基于CUDA的快速k最近邻搜索算法。 这样的加速极大地减少了k相干搜索的预处理时间和全局搜索的合成过程，这使得重要的合成参数的调整成为可能。 我们进一步采用合成放大倍数以获得最终的高分辨率合成图像，以提高运行效率。 实验结果表明，该算法适用于图像类比框架的各种应用，并充分利用了GPU的并行处理能力，提高了合成速度，获得了令人满意的合成结果。