基于GPU加速的深度图像绘制

基于深度图像的绘制(DIBR)广泛应用于虚拟视点的合成,但是目前实现DIBR的算法复杂度都比较高,很难较实时地应用到3DTV系统中。采用单路纹理图像和其对应的深度图像进行虚拟视点的合成,在图形处理单元(GPU)上应用CUDA(Compute Unified Device Architecture)技术实现了基于深度图像的绘制。通过在NVIDIA Telsa C2050图形卡上运行,绘制分辨力1 024×768和640×480的图像速率分别达到了15 f/s(帧/秒)和24 f/s,分别能够准实时或实时地应用到3DTV系统中;同时本文的绘制方法有效地节约了传输带宽,绘制图像的主观质量良好。     

基于KNN的DSA图像去噪及GPU的快速实现

为快速地去除或减少DSA(Digital Subtraction Angiography)图像的噪声,对比评价KNN(K Nearest Neighbors)算法对高斯噪声、泊松噪声、斑点噪声、椒盐噪声4种噪声去除或减少的效果,帮助医生快速准确地为病人诊断疾病.提出的算法主要贡献在于构建了基于GPU(Graphics Processing Unit)的加速方法,使传统图像去噪的运算速度得到大幅提升.基于图像降质、图像还原过程建模,使用KNN算法对4种噪声去除或减少,并对算法做并行化处理,利用GPU加速实现去噪的过程.通过实验得出,KNN算法能较好地去除或减少高斯噪声、泊松噪声来还原DSA图像,使用CUDA(Compute Unified Device Architecture)编写可在GPU上运行的程序,利用GPU对1 024×1 024像素的24位深度的DSA图像去噪,平均渲染帧率能达到190.53 f/s(帧/秒),较传统CPU(Central Processing Unit)串行,平均处理速度提高70.86倍.使用GPU加速能够快速地处理数据量较大、计算密集的DSA噪声图像,实现有效并且快速的高斯噪声去除,帮助医生精、准、快地诊断疾病.     

彩色图像的FPGA实时增强系统实现

为了对彩色图像进行实时增强,本文提出了采用基于插值的分段拉伸算法。首先将彩色RGB图像转换为HSV空间,在该空间,对图像直方图进行基于差值的分段拉伸处理,以达到对图像增强的目的。经过该方法增强后的图像,细节信息更加丰富,图像的清晰度得到了改善,图像的视觉质量也得到了明显提高。经过该算法增强后图像的灰度平均梯度值为直方图均衡化算法的1.95倍。应用现场可编程门阵列(FPGA)为中央处理器,通过并行处理结构及流水线技术,完成图像空间的转换和图像的实时增强算法,简化了系统设计,使处理系统硬件更加紧凑,运行更加可靠。给出了系统主要功能模块的实现方法,经现场调试,可完成每秒30帧×1 024×1 024×24bit数据的处理,与直方图均衡化等传统图像增强算法相比,该算法计算时间缩短了0.807ms。该系统具有集成度高、图像处理速度快和实时性强等特点。     

海量数据信息管理系统设计与实现

为了提高不同场景的绘制效率,对网络中海量数据信息进行可视化管理,设计一种基于三维虚拟的海量数据信息管理系统。系统分为三维图像处理模块、信息感知模块、数据交互模块、三维模型重构渲染模块和输出程序控制模块。采用视景仿真渲染工具Vega Prime进行海量数据信息管理系统的三维立体建模和视景分析,采用3ds MAX软件进行海量数据信息管理建模,结合自适应图形跟踪渲染方法实现网络中海量数据可视化三维图形绘制,提高对海量数据信息的跟踪能力,构建视景分析模型数据库,实现对海量数据信息进行实时管理。仿真结果表明,设计的系统具有很好的三维虚拟重构能力,提高了海量数据显示与交互操作的绘制效率。     

基于GPU加速的梵高流线风格油画实时渲染绘制算法

本文针对图像及视频风格化的实际工程应用,提出了基于GPU加速的图像及视频的艺术风格化实时渲染算法,并实现了一个实时图像及视频艺术风格化绘制系统。该系统能够很好的利用GPU并行计算的特性,对耗时的像素遍历读取处理进行并行加速,实现了对输入图像及视频的梵高流线油画风格的快速转换,为用户提供了较好的交互体验。     

利用GPU实现单层螺旋CT的三维图像重建

CT数据的获取过程和CT图像的重建过程与图形学的渲染过程极其相似,因此利用图形处理器(GPU)来加速CT重建算法成为了近年来CT研究的热点之一.本文根据单层螺旋CT数据的特点,构造了"平行-扇束"投影模式,实现了基于GPU的单层螺旋CT的三维图像重建算法.数值实验表明,与CPU上的分层重建相比重建速度提高10倍以上.     

基于 FPGA 的彩色图像实时采集系统设计

为了从单片Bayer格式图像探测器获取高质量实时彩色图像,研究并设计了一套基于FPGA硬件的彩色图像实时采集系统。介绍了针对MT9M011图像探测器的寄存器配置时序的设计。重点研究了影响彩色图像质量的Bayer格式图像去马赛克算法,该算法首先对Bayer格式原图进行二阶拉普拉斯修正,利用色差和梯度关系确定丢失的绿色分量,再结合给定像素周围的4个色差进行插值计算,分别得到丢失的红色分量和蓝色分量,从而完成彩色图像的恢复。设计了基于千兆以太网(GigE)的图像传输机制,使系统数据吞吐率大大提高。实验数据表明,系统插值算法在峰值信噪比(PSNR)方面相比双线性插值,R、G、B三通道均提高约15dB左右,图像目视细节丰富,伪彩色得到有效抑制;在分辨率为1 280×1 024、帧频为15f/s的情况下,可以实时输出全彩色图像。目前,系统已经工程应用,其优异表现满足了项目实际需要。     

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

机载光电平台实时图像消旋

为消除机载光电平台视轴横滚运动导致的视频图像旋转,提出一种基于FPGA处理平台的实时图像消旋方法。针对每一帧视频图像,先锁定光电平台惯导系统当前输出横滚角,利用快速图像消旋算法对视频图像进行反向旋转,完成机载光电平台视频图像消旋。整个消旋处理系统仅采用单片FPGA实现,能够实现分辨率为1 024×1 024任意角度旋转的机载光电平台视频图像30frame/s的实时消旋处理,消旋角度分辨率为0.1°,消旋位置误差小于1个像素。     

基于GPU运算的脑部核磁共振图像分割算法

使用脑部核磁共振图像(MRI)检测大脑组织中白质与灰质的变化已经变得积极和富有挑战性.本文提出基于GPU运算的平行模糊C均质聚类算法(FCM),并比较了在不同平台上执行FCM算法的效能.研究结果发现,利用GPU进行MRI图像分割处理时,图像输出相同,同时有效缩短了运行时间,其运算效能比基于CPU的运算效能至少提高7倍;使用单精度浮点运算和传统的Memory-copy数据传输方式就能获得较好的较能和准确率;基于GPU运算的运算平台更具性价比.     

基于Kinect的实时深度提取与多视绘制算法

提出了一种基于Kinect的实时深度提取算法和单纹理+深度的多视绘制方法。在采集端,使用Kinect提取场景纹理和深度,并针对Kinect输出深度图的空洞提出一种快速修复算法。在显示端,针对单纹理+深度的基于深度图像的绘制(DIBR,depth image based rendering)绘制产生的大空洞,采用一种基于背景估计和前景分割的绘制方法。实验结果表明,本文方法可实时提取质量良好的深度图,并有效修复了DIBR绘制过程中产生的大空洞,得到质量较好的多路虚拟视点图像。以所提出的深度获取和绘制算法为核心,实现了一种基于深度的立体视频系统,最终的虚拟视点交织立体显示的立体效果良好,进一步验证了本文算法的有效性。本文系统可用于实景的多视点立体视频录制与播放。     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

基于GPU加速的各向异性双边滤波图像抽象化绘制算法

本文提出基于GPU加速的图像及视频的实时抽象化绘制算法。首先通过运用Kuwahara滤波实现图像的颜色特征快速聚类,其次采用各向异性双边滤波算法对图像沿结构张量场进行平滑,从而获得连续的、局部区域色彩一致的结果图像,实验表明该算法简单、易于实现。     

Real-time volume rendering visualization of dual-modality PET/CT images with interactive fuzzy thresholding segmentation.

Three-dimensional (3-D) visualization has become an essential part for imaging applications, including image-guided surgery, radiotherapy planning, and computer-aided diagnosis. In the visualization of dual-modality positron emission tomography and computed tomography (PET/CT), 3-D volume rendering is often limited to rendering of a single image volume and by high computational demand. Furthermore, incorporation of segmentation in volume rendering is usually restricted to visualizing the presegmented volumes of interest. In this paper, we investigated the integration of interactive segmentation into real-time volume rendering of dual-modality PET/CT images. We present and validate a fuzzy thresholding segmentation technique based on fuzzy cluster analysis, which allows interactive and real-time optimization of the segmentation results. This technique is then incorporated into a real-time multi-volume rendering of PET/CT images. Our method allows a real-time fusion and interchangeability of segmentation volume with PET or CT volumes, as well as the usual fusion of PET/CT volumes. Volume manipulations such as window level adjustments and lookup table can be applied to individual volumes, which are then fused together in real time as adjustments are made. We demonstrate the benefit of our method in integrating segmentation with volume rendering in its application to PET/CT images. Responsive frame rates are achieved by utilizing a texture-based volume rendering algorithm and the rapid transfer capability of the high-memory bandwidth available in low-cost graphic hardware.     

基于GPU的图像快速显示技术

新一代的图形显示硬件集成了以图形处理器(GPU)为核心的可编程顶点着色器和可编程像素着色器,为实现实时体绘制技术提供了硬件加速支持,具有一定的并行性和可编程性,在诸如数字图像处理等通用计算领域有着巨大的应用潜力。分析和总结了利用GPU技术实现大数据量的数字图像快速显示的一些基本途径。详细分析了技术难点并提出了相应的解决方法,该设计方法已经在工程实践中应用并取得了较好的效果。     

GPU加速三维面形测量

随着通用计算和图形显示需求的不断增加,图形处理器（Graphics Processing Unit,GPU）在医学、科学计算、图像处理等领域得到了广泛的应用。但它在三维测量领域的应用还只是一个开始。文中基于傅里叶变换轮廓术（Fourier Transform Profilometry,FTP）和三频外差法设计了两套三维测量系统,并利用计算统一设备架构（Compute Unified Device Architecture,CUDA）方法,加速了静态或动态物体的三维重建。在三频外差测量系统中,需要利用高速数字投影模块和相机,同步触发采集小视场表面的12个变形条纹图,然后对图像数据进行处理。实验结果表明:对12幅1 360 pixel1 024 pixel大小的图像进行相位展开运算,GPU方法比CPU方法的效率提高了2 089倍。在基于FTP方法的测量系统中,摄像机只需记录一幅变形条纹图,然后拷贝到显存中,并用CUDA编程的算法进行处理,进而重建出物体的三维面形。基于GPU的FTP方法对一幅1 024 pixel1 280 pixel大小的图像进行计算,其计算时间比CPU方法缩短了27倍。     

Accurate and efficient GPU ray‐casting algorithm for volume rendering of unstructured grid data

We present a novel GPU‐based ray‐casting algorithm for volume rendering of unstructured grid data. Our volume rendering system uses a ray‐casting method that guarantees accurate rendering results. We also employ the per‐pixel intersection list concept in the Bunyk algorithm to guarantee an accurate result for non‐convex meshes. For efficient memory access for the lists on the GPU, we represent the intersection lists for all faces as an array with our novel construction algorithm. With the intersection lists, we perform ray‐casting on a GPU, and a GPU thread handles each ray. To increase ray‐coherency in a thread block and improve memory access efficiency, we extend a prior image‐tile‐based work distribution method to fit modern GPU architectures. We also show that a prior approach using a per‐thread local buffer to reduce redundant computation is not appropriate for modern GPU architectures. Instead, we take an on‐demand calculation strategy that achieves better performance even though it allows duplicate computations. We applied our method to three unstructured grid datasets with different characteristics. With a GPU, our method achieved up to 36.5 times higher performance for the ray‐casting process and 19.7 times higher performance for the whole volume rendering process compared with the Bunyk algorithm using a CPU core. Also, our approach showed up to 8.2 times higher performance than a GPU‐based cell projection method while generating more accurate rendering results. These results demonstrate the efficiency and accuracy of our method.