MPI在CT并行重建中的应用

CT图像重建计算量巨大,为了达到理想的重建时间,并行处理很有必要,CT图像重建过程各个子空间相互独立,具有很好的并行性。采用基于消息传递接口(MPI)的并行算法充分利用了CT图像重建的这个特性,以平行束重建为例,采用卷积反投影重建算法进行CT图像重建过程的并行实现进行分析,实验结果证明,并行处理和单机处理重建结果完全一致,并且能够达到比较理想的加速比,可以扩展到CT的其他重建算法。     

图象重建的最小距离算法

本文提出了图象重建的一种凸集投影算法.它的重建图象是所有满足投影约束的图象中与先验图象的距离最小者.该算法是就连续分布的图象导出的,重建图象时也不需在空域与频域间进行变换,是一种较OSPR方法更直接、更简单的方法.还对最小距离算法重建结果的存在性、唯一性、幂等性等性质作了证明.     

用于CT扇形束扫描图象重建的一种数学方法

本文介绍了一种用于X线CT扇形束扫描图象重建的数学方法。给出了公式的推导,模拟计算结果,并且给出了专用计算机实现的框图,同时还与通常的扇形束扫描的重建结果作了比较。模拟结果表明了本方法具有如下优点:①确保了图象的质量;②节省了大量的计算时间,图象重建速度可以提高三倍;③专用计算机易于实现。     

基于阴影恢复形状的起皱织物表面形态重建研究

阴影恢复形状算法是计算机视觉中的一个重要研究课题 ,该算法应用于织物三维表面重建 ,为客观评价织物起皱等级奠定了基础 .提出了一种新的阴影恢复重建算法 ,并阐述了该算法的实现步骤和计算方法 .先利用合成图象对算法进行迭代计算并验证 ,获得了较为准确的重建图象 ,然后再结合真实模板进行重建 ,重建准确度较高 .同时说明了该算法可应用于真实织物的表面重建之中 ,并可从获得的织物三维轮廓数据中提取特征值 ,实验表明 ,这些特征值均可从不同侧面表征织物的褶皱程度 ,特征值与织物的褶皱程度基本呈线性相关     

一类多结构元自适应广义形态滤波器

基于广义形态开—闭和闭—开运算，采用多种结构元和自适应加权平均技术，定义了一类新型形态滤波器。这类滤波器不仅可以有效地抑制图象中的噪声，而且较好地保持了图象的几何特征。滤波器计算简单，便于实时并行处理。     

用线性神经网络映射光学过程层析成像的逆问题

过程层析成像 (Process tomography)的逆问题也称为成像算法 ,它不仅需要反映被测物质与激励场的相互作用原理 ,而且应与传感器的空间阵列结构相匹配 .成像算法的性能好坏 (包括图象质量和每帧计算需时 )是过程层析成像技术能否应用于工业过程监控系统的关键问题之一 .为了得到性能良好的重建图象 ,提出了一种线性神经网络图象重建算法 .该算法首先通过建立光学层析成像的正问题和逆问题的线性化模型来求解正问题 ,以得出图象和投影的关系模式对 ,然后将其用于训练和构造线性神经网络 ;最后使用训练好的线性神经网络来映射光学层析成像的逆问题 .实验表明 ,该方法具有较高的图象质量和极高的成像实时性 ,是一种性能良好的图象重建算法     

提高图象处理速度的一种方法

本文提出一种并行处理图象的方法.设有n个图象处理单元(PE),将一幅图象分成n个区域,每个区域与一个PE对应,各个PE并行地执行一条图象指令.PE的个数可以根据用户需要来选择.     

一种实时并行图象匹配结构的设计

针对在传统串行结构上执行图象匹配算法时影响执行速度提高的原因，通过分析图象匹配算法的内部流水性，并行性，提出了一种加速执行图象匹配算法的硬件并行结构，通过引入流水线数据延迟及多个并行处理单元。该结构使得重复读取存贮器的操作次数大大减少，从而加速图象匹配操作。文中给出了该模型的实现框图，并计算了采用该结构执行图象匹配算法所需计算表明，对大小为６４×６４的搜索象，３２×３２的模板象。该结构可在不到９ｍ     

基于CCD的多方向平行射束投影系统图像重建

高分辨率的空间敏感阵列以及实时、精确的图象重建算法是层析成象技术的关键。为了得到足够的投影数据,提出了几种用于光学层析成像的多方向平行射束投影结构,这几种结构均采用CCD器件作为敏感阵列,可得到高分辨率的被测物场投影信息。同时分析了这几种投影结构下图象重建中权重系数的计算方法,并对不同结构的图象重建效果进行了比较,得出了投影方向数、投影数据与重建图象质量之间的关系。仿真结果表明,采用CCD的平行射束投影系统可重建出很高质量的图象。     

实时图象多机分析系统

本文介绍一种主从式实时图象分析系统。着重说明系统的结构,实时图象的输入和分割、以及实时图象多机并行处理等方面。     

基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

基于图形处理器的形态学重建系统

形态学重建是医学图像处理中非常基础和重要的操作。它根据掩膜图像的特征对标记图像反复进行膨胀操作，直到标记图像中的像素值不再变化为止。对于传统基于中央处理器（CPU）的形态学重建系统计算效率不高的问题，提出了使用图形处理器（GPU）来加速形态学重建。首先，设计了适合GPU处理的数据结构：并行堆集群；然后，基于并行堆集群，设计和实现了一套基于GPU的形态学重建系统。实验结果表明，相比传统基于CPU的形态学重建系统，基于GPU的形态学重建系统可以获取超过20倍的加速比。基于GPU的形态学重建系统展示了如何把基于复杂数据结构的软件系统高效地移植到GPU上。     

带有未知匹配的图像线特征三维重建方法的研究*

为了解决传统三维重建过程中线特征匹配速度慢、建模与匹配过程脱节的问题,提出了基于相关系数的图像线特征匹配的方法,运用此方法对同一物体的三幅图像进行了特征匹配和三维重建。建立了目标物体的三维模型,达到了对物体线特征匹配与三维重建同步进行的目的。通过对所得实验数据分析,可以证明此算法对于物体的三维重建是有效的。     

图像三维重建中的特征点匹配方法研究

针对传统三维重建中点特征匹配算法的局限性,提出了基于相关系数的图像点特征匹配方法,实现了对图像点特征匹配与三维重建同步进行的目的。基于同一物体的两幅图像,给出了其特征匹配和三维重建的算法,并通过实验数据分析了此算法的有效性。     

未标定影像序列三维重建的混合方法

基于非标定序列影像的目标三维重建是一项非常重要的技术和研究热点,它使数据获取变得十分方便。基于影像序列的点匹配,得到的是一些点云,基于此,提出一个混合的三维重建方法：第一,通过物体三维点建立物体的数字形状模型（DSM）;第二,通过提取物体轮廓线,尤其是相互的平行直段和垂直线段,构建物体的轮廓线;第三,给合现存的三维数据模型,在目标显示和数据结构方面构建恢复三维物体。实验以一个茶筒为例,采用Java3D显示结果,取得良好的结果。     

基于计算网格的图像三维重建系统的设计

在计算机视觉处理领域中,三维重建是一种将二维图像恢复成三维信息的方法。目前,由于图像的三维重建过程涉及到大量的数据,重建速度较慢。为了提高三维重建的性能,构建了基于计算网格的图像三维重建系统。利用该系统提供的Web方式,用户可以实现作业提交、作业运行状态查询和图像三维重建服务部署的功能。最后,对所构建的计算网格三维重建系统进行了测试和分析。     

遥感图像渐进式传输的GPU并行加速研究

遥感图像的渐进式传输大大提高了数据响应效率,但同时也增加了数据接收端的计算量。为进一步提高数据传输效率,研究了基于可编程图形硬件GPU的并行加速方法,通过小波逆变换的GPU并行化来加速图像重构,并通过纹理查找表来提高数据读取效率,利用离线渲染缓存Pbuffer来保存多层小波变换的中间计算结果,进一步提高了并行效率。最后,通过实验验证了该方法的有效性。     

基于GPU的四维医学图像动态快速体绘制

传统的三维医学图像重建技术无法满足四维医学图像动态重建的需求,而四维医学图像庞大的数据量使传统重建技术很难实现高性能实时绘制.基于以上需求,提出了一种四维医学图像动态快速体绘制方法.首先采用GPU强大的并行计算能力,提出一种基于GPU、利用CUDA技术实现的光线投射算法;然后分析了算法框架、体数据及计算结果的存储策略、...     

基于激光测距仪的3 维景深图像重构与辨识

针对3 维景深图像仅仅具有距离信息的局限性,提出景深面元的概念,并利用基于景深面元的法向 量聚类法对景深图像进行基本的识别．通过景深面元,将Sobel 算子引入到景深图像的边缘检测上来,提出了一 种简易的景深图像边缘识别方法．为了满足3 维景深图像重构和识别的实时性要求,采用了ARM（advanced RISC machine）+ DSP（digital signal processing）的硬件平台架构．实验结果表明,基于景深面元的3 维识别和边缘检测算 法是有效可行的．     

An evaluation of Radon transform computations using DSP chips

The Radon transform and its inverse (a filtered backprojection) are receiving increasing attention for applications in image reconstruction. As data collection capabilities and image reconstruction algorithms have become more sophisticated, the computational intensity of these problems has drastically increased. Parallel processing techniques are being used to implement highspeed hardware designs that will speed up this computationally burdensome task. Parallel arrays of digital signal processing (DSP) chips may be used to compute the Radon transform and back-projection for high-speed image reconstruction. In this paper we describe computation of the Radon transform and back-projection using a parallel pipelined processor architecture of DSP chips and evaluate the accuracy of the computations and quality of reconstructed images. To justify the computational approach selected, alternative procedures for computation of the Radon transform and back-projection are described and their performance using the 32-bit fixed-point arithmetic of the selected DSP chips are compared. We present, evaluate, and compare the simulated performances of implementations of these procedures on two fixed-point DSP chips: the TI TMS32020 and the AT&T DSP16.