学位论文 > 优秀研究生学位论文题录展示

基于CUDA的工业CT图像分割算法的设计与实现

作　者: 张瑞
导　师: 刘旭敏
学　校: 首都师范大学
专　业: 计算机应用技术
关键词: 计算机断层成像图像分割 Potts模型能量最小化 CUDA 并行计算
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

计算机断层成像技术(Computed Tomography, CT)是电子学,核物理学,精密机械以及计算机科学等多学科相结合的产物,在航天航空、核能、医疗生物、军事、机械、新材料研究、海关、电子、考古及石油勘探等多种领域均有广泛的应用需求。工业CT技术一般用于产品质量、结构安全性等检测工作,是一种十分先进的无损检测技术。通过对工业CT图像的处理和分析,可以获得被检测物体内部的信息,这样就可以判断被检测物体的物质分布、是否符合工艺需要等状况。图像分割则是对图像进行分析和理解的基础。随着工业CT设备分辨率的不断提高,CT图像的数据量越来越大,尤其是三维体数据,规模甚至可以达到10243,许多现有的分割算法在时间效率上很难满足工程应用需求。此外,CT图像的灰度分布一般是不均匀的,这使得对CT图像的全局分割也是一个应用难点。所以为三维CT数据寻找一种可以利用GPU并行加速,又能在一定程度上描述图像分割问题的分割算法,成为人们关注的焦点。GPU下的并行运算是充分利用GPU具有众多计算单元,适合计算密集型任务的特点,采用CUDA或是其他并行计算语言,将原有的串行算法并行化以加快算法运行速度。本文采用基于Potts先验模型的能量最小化的全局标记算法完成对三维CT体数据的分割,并利用CUDA在GPU上实现了对该分割算法的并行加速,经实验,算法在运行时间上取得了较好的加速效果。本文的主要工作包括：(1)采用一种基于Potts先验模型的能量最小化的全局标记算法来描述图像分割问题,并将该算法扩展到对三维体数据的分割。验证了该算法对工业CT图像分割的有效性。(2)通过对能量最小化公式和算法流程的分析,设计出算法的并行化实现方式,并通过GPU和CUDA平台编程实现。(3)使用该并行算法对采集的二维CT图像和三维体数据进行了实验,结果表明,该分割算法可以很好地描述图像分割问题,且具有很高的并行性,本文设计的并行算法在GPU下运行,加速效果明显,在时间效率上取得了较好的实际应用效果。

全文目录

摘要  4-5
ABSTRACT  5-6
目录  6-8
图目录  8-9
表目录  9-10
第一章引言  10-17
  1.1 本文研究背景及意义  10-11
  1.2 国内外研究现状  11-15
    1.2.1 图像分割算法研究现状  11-14
    1.2.2 并行计算技术发展简介  14-15
  1.3 论文的主要工作和内容安排  15-17
    1.3.1 论文的研究内容和成果  15-16
    1.3.2 论文的组织结构  16-17
第二章图像分割算法  17-22
  2.1 图像分割定义  17-18
  2.2 工业CT图像及其分割技术  18-21
    2.2.1 工业CT图像  18-20
    2.2.2 工业CT图像分割算法  20-21
  2.3 本章小结  21-22
第三章基于Potts模型的图像分割算法  22-33
  3.1 马尔可夫随机场模型  22
  3.2 图像在马尔可夫模型中的描述  22-24
  3.3 Gibbs随机场与马尔可夫随机场的等价性  24-25
  3.4 基于Potts先验模型的CT图像分割  25-30
    3.4.1 标号场的全局最优化赋值  25-26
    3.4.2 Potts先验模型  26-27
    3.4.3 公式优化  27-30
  3.5 实验结果与分析  30-32
  3.6 本章小结  32-33
第四章基于CUDA的CT图像分割并行加速算法  33-46
  4.1 GPU硬件架构  33-35
  4.2 CUDA编程模型  35-43
    4.2.1 CUDA中的主机与设备  35-38
    4.2.2 CUDA线程结构  38-39
    4.2.3 CUDA存储器模型  39-43
  4.3 图像分割算法并行化设计与优化  43-45
    4.3.1 任务划分  43
    4.3.2 grid和block维度设计  43-44
    4.3.3 存储器访问优化  44-45
  4.4 三维体数据优化  45
  4.5 本章小结  45-46
第五章系统简介  46-51
  5.1 基于CUDA的CT图像分割算法系统框架  46-47
  5.2 实验结果数据分析  47-50
  5.3 本章小结  50-51
第六章总结与展望  51-52
  6.1 本文工作总结  51
  6.2 未来研究展望  51-52
参考文献  52-55
致谢  55-56
攻读硕士学位期间学术论文发表情况  56

相似论文

森林防火系统中图像识别算法的研究,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于CUDA的图像数字水印技术的研究,TP309.7
面向快速原型制造的医学图像三维重建系统研究,TP391.41
基于MPI的三维地层建模和可视化方法研究,TP391.41
CUDA平台下数字图像认证方法的设计与实现,TP391.41
基于可视特征的彩色图像分割方法及应用研究,TP391.41
基于GPU并行加速的正射影像生成研究,TP391.41
基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
基于图割理论的图像匹配问题研究,TP391.41
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于视觉的类人足球机器人目标定位算法设计,TP391.41
基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
多尺度遥感图像分割算法研究与应用,TP391.41
基于Otsu算法与数学形态学的图像分割算法研究,TP391.41
肺部病灶感兴趣区域分割算法研究,TP391.41