具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构建和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

下面结合附图，对本申请实施例作进一步阐述。

首先，对改进迭代算法(AIA)进行介绍。

改进迭代算法(Advanced Iterative Algorithm，简称AIA)是基于最小二乘误差估计的思想，首先设定一组相移量的值，假定相移量为已知，作为迭代运算相移量的初始值，通过对相移量和待测相位进行交替迭代运算，可以同时计算出待测相位与相移量。

下面对该算法的原理进行分析：

在相移干涉测量中，采集的相移干涉条纹图可表示为：

式(1)中，i是帧索引，M是帧总数，j是像素索引，N是每帧中的像素总数；是理论条纹强度，A_ij是背景强度，B_ij是条纹幅度；是第j像素的相位，δ_i是第i帧的相移，t是光强的理论值。

待测相位与相移量的获取包括以下步骤：

步骤1：逐像素点迭代计算确定待测相位的值；

假设背景项A_ij与调制项B_ij在时域分布上没有变化；在空域分布上，只与像素点的位置有关，即A_1j＝A_2j＝A_3j＝...＝A_Nj，B_1j＝B_2j＝B_3j＝...＝B_Nj，此时，定义a_j＝A_ij，以及将式(1)改写为：

如果δ_i为已知，N为干涉条纹图总数目，则有3j个未知量与N×j个等式。通过最小二乘误差估计算法，可以求出式(2)中的这些未知量。具体地，未知量a_j、b_j、c_j可以由下列线性方程确定：

其中，X_p,j＝[a_j b_j c_j]^T (4)；

其中，是A_p的倒数，在公式3中，需要已知至少三个不同的相移量δ_i来确保A_p为非奇异矩阵。从公式(3)-(6)可以解出未知量a_j、b_j、c_j，进而求出待测相位为：

此步骤中的相位计算是逐像素的，并且像素之间是独立的。

步骤2：逐帧迭代计算确定相移量的值；

在步骤2中，假设背景项A_ij与调制幅度B_ij在空域分布上不变，在时域分布上是变化的，其不再是与像素点有关的变量，而与干涉条纹图的帧数有关，是时域变化量。即A_i1＝A_i2＝A_i3＝...＝A_iK，B_i1＝B_i2＝B_i3＝...＝B_iK，此时，定义a'_i＝A_ij，b'_i＝B_ijcosδ_j以及c'_i＝-B_ijsinδ_j，将式(1)改写为：

经过步骤1，待测相位的值为已知量。式(8)中有三个未知量与N×j个等式。通过最小二乘误差估计算法，可以解出式(8)中的这些未知量。具体地，未知量a'_i、b'_i、c'_i可以由下列线性方程确定：

其中，X_ps,i＝[a'_i b'_i c'_i]^T (10)；

同样地，从公式(9)-(12)可以解出未知量a'_i、b'_i、c'_i，进而求出相移量为：

该步骤中的相移估计是逐帧的，并且在帧之间是独立的。

步骤3：收敛条件；

该算法需进行迭代计算，先设定相移量的值，假定相移量的值为已知，通过步骤1得到待测相位的值，再将该待测相位作为已知条件进行步骤2的计算，得到相移量的值，然后将步骤2求得的相移量值作为已知量，代入步骤1并重复步骤1和步骤2的计算，循环往复，直到相移量的值收敛，迭代计算停止。其收敛条件为：

式中，ε表示一个预设的误差容限，k表示迭代次数，δ_i表示第i帧的相移，δ₁表示第1帧的相移，i表示帧索引，M表示帧总数。

或者，其收敛条件为：

k≥max_iter；

式中，k表示迭代次数，max_iter表示最大迭代次数。

ε为一个预设的很小的值，如10^-4，它代表了迭代算法对精度的要求。当达到收敛条件后，迭代计算停止，待测相位和相移量分别为最后一次迭代计算中步骤1与步骤2所得的值。

根据上述可知，改进迭代算法(AIA)通过迭代估计相位和相移，可以准确地从具有随机未知相移的条纹图中提取相位。然而，这些迭代使得AIA比传统的相移算法慢得多。在像素数和帧数都较大的情况下，为了获得较高的分辨率和提取精度，这一问题更为严重，进而限制了AIA的广泛应用。本发明实施例在详细分析算法结构的基础上，提出了一种基于GPU全并行AIA的相移相位提取方法。在不影响相位提取精度的情况下，与单核CPU上的顺序实现相比，基于GPU全并行AIA的相移相位提取方法可以提高500倍速度。

参照图1，本发明实施例提出一种基于GPU全并行AIA的相移相位提取方法，包括但不限于以下步骤：

S101.获取多幅相移干涉条纹图；

S102.接收设定的第一相移量值，

S103.根据第一相移量值，在GPU中按照逐点模式进行逐像素点迭代计算，更新第一相位值；

S104.获取相移量值的收敛条件；

S105.根据第一相位值，在GPU中按照并行模式进行逐帧迭代计算，以对第一相移量值进行更新，得到更新后的第一相移量值，并返回根据第一相移量值，在GPU中按照逐点模式进行逐像素点迭代计算，更新第一相位值的步骤，直至更新后的第一相移量值达到相移量值的收敛条件则迭代停止。

本实施例中，考虑到迭代计算使得比传统的相移算法慢得多，因此，提出一种基于GPU全并行改进迭代算法，具体地，主要是将GPU的并行计算与改进迭代算法相结合，进而提高迭代运算的速度。

具体地，参照图2，图2示出了基于GPU全并行改进迭代算法的迭代过程，由图2可知，由于AIA是迭代的，当前迭代依赖于前一次迭代的估计结果。因此，AIA本质上是顺序的，这需要通过while循环实现。

同样地，参照图2，步骤4分成3个子步骤，分别是步骤4.1、步骤4.2和步骤4.3，步骤4对应图1中的步骤S103，即根据第一相移量值，在GPU中按照逐点模式进行逐像素点迭代计算，更新第一相位值。该步骤中，每个迭代过程需要进行N+2M次三角函数计算(cos，sin和tan-1)、3MN+5M次加法计算、2MN+3M次乘法计算和N次3×3个线性方程求解计算。

同样地，参照图2，步骤5分成3个子步骤，分别是步骤5.1、步骤5.2和步骤5.3，步骤5对应图1中的步骤S105中的部分内容，即根据第一相位值，在GPU中按照并行模式进行逐帧迭代计算，以对第一相移量值进行更新，得到更新后的第一相移量值。该步骤中，每次迭代过程需要M+2N次三角函数计算(cos，sin和tan-1)、3MN+5N次加法计算、2MN+3N次乘法计算和M次3×3个线性方程求解计算。本实施例中，通过运行10亿次，研究了这些运算的计算代价。三角函数、加法和乘法的开销分别为1.5秒、1.6秒和1.5秒，它们彼此相似。最耗时的操作是线性方程求解，它需要3.5秒。虽然步骤5中的运算总数大于步骤4，但是步骤5只解M个方程，这比步骤4中的N个方程小得多。因此，步骤4和步骤5的计算负荷彼此相似。本实施例中，用2048处理13帧条纹图的验证测试中，用单核CPU顺序C++实现的2048像素，步骤4和步骤5分别花费1.3s和1.1秒。相比之下，其他步骤计算上消耗时间很小，可以忽略不计。因此，如何加速步骤4和步骤5是加快迭代运算速度的关键。

如式(9)所示，相移δ_i的计算使用矩阵A_ps和矩阵B_ps,j，它们的条目是所有像素的总和。因为假设δ_i在整个帧上是常数，它实际上可以由所有像素的子集决定。这一特性被巧妙地用于加速AIA，仅使用了2％的像素。然而，值得注意的是，相移提取的成功与否直接依赖于的矩阵A_ps奇异性。作为一个极端的例子，如果矩阵A_ps是奇异的，即A_ps没有逆，则相移δ_i的估计失败。如果条纹图的密度很低，特别是当形成A_ps的条纹少于一半时，A_ps将是奇异的或接近奇异的，从而使AIA发散。数据裁剪会降低条纹密度，并有收敛的风险。为了获得更好的图像效果，本实施例中δ_i＝(i-1)π/2用四帧相移为的条纹图进行了模拟，像素数N＝256×256和条纹密度是一帧中的一个条纹。

本实施例中，GPU的并行计算是光学测量加速的一个有吸引力的选择，其中可加速算法必须提供一个或多个可并行组件。有四种常见的并行模式适用于GPU加速：(i)逐点模式，其中许多点由相同的操作独立处理；(ii)包含当前像素计算的相邻点的局部算子的平铺模式；(iii)分治模式，将一个大问题划分为更小的并行子问题；(iv)插值模式，即用于从三维场景创建二维图像的可视化过程的模式。

本实施例中，如前所述，AIA是迭代和顺序的，其计算量主要来自步骤4和步骤5。在每次迭代中，步骤4和步骤5都可以有效地并行化以供GPU执行，从而使高速AIA成为可能。

具体地，步骤4通过三个子步骤估计相位，其中，子步骤4.1为构造矩阵A_p和矩阵B_p,j，子步骤4.2为求解线性方程组X_ps,i，子步骤4.3为相位计算。由于相位是通过逐像素点迭代计算得到，也就是说相位估计过程是独立的逐像素模式，因此，步骤4中所有这些子步骤都遵循理想的逐点模式，即在GPU中按照逐点模式进行逐像素点迭代计算，以更新第一相位值。由于像素数可以高达百万，步骤4中的所有子步骤都可以通过大量GPU内核有效地加速。

与步骤4类似，步骤5也有三个子步骤。但是，步骤5是独立的帧，而不是像素。在AIA中，帧编号可以小到3，并且通常小于40。在单个GPU内核中处理每个帧会浪费GPU的能力。但是，每个帧内的计算都是可并行的。子步骤5.1为构造矩阵A_ps和矩阵B_ps,j，其包括帧中所有像素的和，这可以通过分治模式进行加速。即在GPU中通过分治模式构建矩阵A_ps和矩阵B_ps,j；具体地，分治模式可参照图3。另外，子步骤5.2和子步骤5.3在计算上都很简单，因此在GPU中以逐点模式执行，即在GPU中通过逐点模式对所述第三公式进行求解，得到未知量a'_i、b'_i、c'_i的值，然后计算得到相移；该过程可减少GPU和CPU之间的内存传输。

如前所述，步骤3和步骤6的计算量很小，因此可以在CPU或GPU中执行。本实施例中，因为δ_i和δ_{i_initial}是在GPU中计算，除了子步骤3.1之外，子步骤3.2和步骤6都将在GPU中按照逐点模式执行，以减少GPU和CPU之间的数据传输。这种设计的优点是，只需要将原始图像从CPU传输到GPU一次，并且在每次迭代中只传输一个变量误差。因此，数据传输被最小化。本实施例中，只在CPU中保留初始化(步骤1)、while循环(步骤2)和迭代次数的更新(子步骤3.1)。由于所有这些计算所消耗的时间很小，可忽略不计，因此本实施例中的基于GPU全并行AIA可以看做是100％的并行化。

本发明实施例一种基于GPU全并行AIA的相移相位提取方法具有以下技术效果：

本发明实施例通过获取多幅相移干涉条纹图，然后接收设定的第一相移量值，并根据第一相移量值，在GPU中按照逐点模式进行逐像素点迭代计算，更新第一相位值；再获取相移量值的收敛条件；然后根据第一相位值，在GPU中按照并行模式进行逐帧迭代计算，以对第一相移量值进行更新，得到更新后的第一相移量值，并返回根据第一相移量值，在GPU中按照逐点模式进行逐像素点迭代计算，更新第一相位值的步骤，直至更新后的第一相移量值达到相移量值的收敛条件则迭代停止；从而能够在相移量未知的情况下，快速并准确地提取相移和相位；本发明保证了相移相位较高的提取精度，同时提高了迭代运算速度。

参照图4，本发明实施例还提供了一种基于GPU全并行AIA的相移相位提取装置200，具体包括：

至少一个处理器210；

至少一个存储器220，用于存储至少一个程序；

当至少一个程序被至少一个处理器210执行，使得至少一个处理器210实现如图2所示的方法。

其中，存储器220作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。存储器220可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器220可选包括相对于处理器210远程设置的远程存储器，这些远程存储器可以通过网络连接至处理器210。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

可以理解到，图4中示出的装置结构并不构成对装置200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图4所示的装置200中，处理器210可以调取存储器220中储存的程序，并执行但不限于图1所示实施例的步骤。

以上所描述的装置200实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现实施例的目的。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有处理器可执行的程序，处理器可执行的程序在被处理器执行时用于实现如图1所示的方法。

本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

可以理解的是，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。