CUDA加速CV圖像分割和外部CT圖像重建算法研究.pdf

1、計算機斷層成像技術（Computed Tomography,簡稱CT）在現代工業(yè)和醫(yī)學中起著非常重要的作用。外部CT重建是在特定要求下的工業(yè)和醫(yī)學應用中提出的一種特殊的CT成像重建技術。由于外部CT投影數據不完全，為了能夠獲得高質量的重建圖像，實際工程中不得不使用計算量龐大的代數迭代重建算法。并行計算對于現代科技發(fā)展起著非常重要的作用，比如數值天氣預報，大型工程數值模擬等等。在各類計算機斷層成像中，由于許多應用對成像時間有著較高的要求，

2、為了利用計算機斷層成像固有的并行計算性質和適應這種速度需求，使得并行計算和計算機斷層成像成為一個交叉學科熱點。
　　另一方面，圖像分割是圖像測量和識別的基礎，在醫(yī)學、工業(yè)、探測、航天等領域同樣有著廣泛的應用。一些具有良好的圖像分割效果的各種圖像分割算法如C-V分割模型，一般計算量較很大，并且有些應用對時間有著較為苛刻的要求，這同樣為并行計算和該領域的結合提供了契機。
　　外部CT重建中全變差最小-子區(qū)域平均-凸集映射（TVM

3、-SA-POCS）數值算法具有數值計算穩(wěn)定、重建圖像質量好的優(yōu)點，但是其最大的瓶頸是計算量巨大，重建周期長。其重建時間長的缺點導致它在很多情況下不能夠達到工業(yè)CT重建實際應用的要求，這成了制約外部CT重建TVM-SA-POCS算法被應用到實際產品中去的最大障礙。為了能夠使得外部CT重建TVM-SA-POCS算法的優(yōu)勢得到發(fā)揮，克服其重建時間長的不足，本文研究了利用具有高性能計算功能的CUDA（Computer Unified Devic

4、e Architecture：計算機統一設備架構）圖形卡GPU對該算法進行加速，以提高其重建速度。國內外很多學者對圖像重建加速進行過研究，提出了很多的加速方案，基本思路分為兩種：一種是軟方案，改進重建算法，減少計算量來實現加速；另一種是硬方案，以具有高度并行計算能力的硬件設備為基礎，編程時把算法與硬件設備特性結合，以此來提高重建速度。在硬方案加速中，常被使用的硬件設備有專用集成電路ASIC、FPGA門陣列、圖形處理器GPU、PC集群幾種

5、常用方法。在這些硬方案加速設備中，專用集成電路ASIC和PC集群的費用非常昂貴，小型公司和研究機構難以負擔。FPGA門陣列和圖形處理器GPU的造價低廉，具有較高的性價比。FPGA與圖形處理器GPU雖然成本都比較低，但是GPU相對FPGA具有更高的并行計算能力和數據存儲能力，這就使得GPU在加速CT重建、圖像處理領域具有更大的優(yōu)勢，研究人員在這方面也就傾注了更多的研究精力。GPU加速CT重建的主要優(yōu)點有，圖形卡處理器GPU更新換代快，其通

6、用并行計算能力幾乎以3倍的摩爾定律增長；圖形卡處理器成本低，其并行計算實用性好；由于CUDA（Computer Unified Device Architecture：計算機統一設備架構）技術標準的推出，學習曲線低，并行計算程序的通用性和向下兼容性更好，所以現在利用CUDA圖形卡處理器的通用計算功能對CT圖像重建和圖像處理等有很多應用，CUDA加速工業(yè)CT圖像重建已經成為一種重要的加速方法。
　　為了能夠充分利用具有通用計算功能的

7、圖形處理器的并行計算能力和數據傳輸帶寬，本文認真分析了外部CT重建TVM-SA-POCS算法的特點和C-V圖像分割算法的特點，并且在此基礎上研究了圖像重建和圖像分割算法與CUDA設備特性相結合，充分提高計算密度，提高數據傳輸率的共享內存使用方法和歸約樹求和方法。該方法主要是采用共享內存技術實現在投影與反投影過程中的高速數據傳輸問題；使用歸約樹求和方法提高重建和圖像分割中的向量內積計算效率，提高設備計算密度；使用共享內存塊方法實現TVM計