基于融合压缩感知的Landweber算法研究

为提高Landweber算法的收敛速度,将压缩感知理论引入Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。     

融合压缩感知—Landweber法图像重建

为提高Landweber算法的收敛速度,将压缩感知理论引入到Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。     

GPU梯度自适应SART图像重建算法

针对SART迭代重建算法所需投影数据量大且迭代时间长的问题,将TV算法引入SART中,动态调节梯度步长来加速算法的收敛性能,实现用少量投影数据重建出高质量的图像。为加快算法的执行速度,将SART-TV算法在GPU上并行加速。用SART算法和SART-TV算法对Shepp-Logan模型重建,仿真实验表明:在采样数据相同的情况下,SART-TV算法较SART算法可以重建出更好的图像,且基于GPU的SART-TV算法的迭代时间明显低于基于CPU的SART-TV算法。     

锥束CT的改进FDK算法及加速实现

锥束CT成像中,FDK重建算法得到广泛应用。提出一种可以扩大锥束CT旋转轴方向重建体积的FDK方法。在反投影步骤中,对重建物体的每个体素点被反投影的总次数进行计算,之后进行权重计算,最终得到三维重建图像。同时,采用CUDA技术,利用GPU对改进的FDK算法进行并行计算加速实现,提高重建效率。实验结果表明,改进的FDK算法可以增大重建体积,重建更多物体信息,采用CUDA技术后,速度大幅度提升。     

基于ADMM的多GPU快速DBT迭代精准重建

为实现高效率的DBT精准重建,本文提出了基于ADMM优化算法的多GPU快速DBT迭代重建算法。本方法选取全变差作为正则化项,应用ADMM法求解目标函数,并采用多GPU加速策略对算法进行加速。实验表明,与传统的带有正则化约束的凸集投影(POCS)迭代重建模式相比,本方法在图像噪声平滑、特征边缘保留和计算效率提高等方面均取得了上佳效果。     

OSEM算法在编码板成像中的应用

为提高γ辐射编码成像中MLEM算法在图像重建时的速度及质量,论文基于核医学ECT图像重建中的OSEM算法思想在图像重建时对编码成像所得投影数据进行分组,并采用精细采样平衡相关法的重建结果作为初值进行迭代。通过实验对该算法进行验证。实验表明:OSEM算法可以有效提高收敛速度,改善重建图像质量。在γ辐射编码成像中采用OSEM算法是有效且可行的。     

基于现代GPU的实时锥束重建算法研究

FDK算法是一种被广泛应用的小锥角近似三维重建算法,但其运算量大,重建时间长。因此,本文提出了一种基于现代GPU实现的实时FDK加速算法。该方法充分结合现代GPU设备,通过灵活有效的并行策略减少反投影所需要的计算量;并利用一种新的基于角度相关性的优化方案进一步提升该算法的性能。大量实验表明该算法在不牺牲重建质量的前提下可以获得更高的加速性能。     

锥束CT图像矩形包围盒快速重建

针对传统锥束CT重建存在大量冗余计算的问题,建立了锥束CT图像矩形包围盒快速重建方法。该方法将重建空间限定为三维矩形包围盒,大大减少了待重建体素的数量,接着将Z线优先算法反投影部分的计算移植到GPU上加速重建。实验结果表明:该方法显著提高了锥束CT图像的重建速度,可推广应用于采用类似算法重建的CT系统。     

GPU加速剂量计算中微分卷积/积分算法的实现

微分卷积/积分算法是计算精度较高的光子线剂量计算算法,较长的计算时间限制了该算法在临床上的使用。本文对微分卷积/积分算法中最耗时的部分实现了基于GPU的并行化计算,与基于CPU的计算相比,在Tesla C1060上计算速度提高可达30X-60X。利用γ因子对计算结果的准确性进行了分析,结果显示,无论是均匀水模还是非均匀头模,在单照射野还是多照射野情况下,加速后的结果都与CPU的计算结果有相同的准确性。通过GPU并行加速,微分卷积/积分算法能成为日常的剂量计算算法。     

具有加速因子的OSEM重建算法用于X射线荧光CT研究

有序子集最大期望值算法(Ordered Subsets Expectation Maximization,OSEM)具有较高的图像重建质量和较短的计算时间,已经被应用于内源CT(如SPECT、PET、同步辐射X射线荧光CT)的图像重建中。本文提出了一种具有加速因子的OSEM算法应用于X射线荧光CT的图像重建,通过引入加速因子h来调制校正因子的步长加快OSEM算法的收敛速度,研究了不同加速因子和不同子集数的AOSEM算法对重建图像质量的影响。计算机模拟及实验结果表明,在获得同等质量重建图像的同时,具有加速因子的OSEM算法的重建速度是常规OSEM的两倍。     

改进的模拟植物生长算法及其在大型辐照装置自动排源中的实用化

在相关研究工作的基础上,分析得到了基于模拟植物生长算法的排源算法的性能热点,并对其进行了并行化改进,具体是将原有串行执行过程转化为统一计算设备架构（CUDA）的线程块并行执行过程,从而可有效利用GPU的大规模并行能力,实现程序执行效率的大幅加速。若干计算实例结果表明,在保持排源算法原有优点的基础上,新算法的整体性能有最低30倍的提高,使当前的排源算法具有高度的竞争力。     

基于CUDA的大型γ辐照装置通用并行排源算法

本文利用CUDA执行模型实现了植物模拟生长算法的完全并行化,结合标准排源质量评价数学模型,得到了一种高效率的并行排源算法,对应的代码能运行在GPU上。在此基础上,利用若干不同规模的排源算例对新版本算法进行了测试。测试结果表明,在保持已有版本算法优点的基础上,新算法的计算效率相对CPU版本提升了500倍以上,相对CPU+GPU混合版本,也提升了30倍以上。对111 PBq以下装置,新算法的计算时间小于10 min。利用单GTX275 GPU,新算法的计算性能上限为167 PBq左右,时间不超过25 min,利用多GPU还可提高计算能力。综上所述,基于GPU的新版本算法可满足目前国内任意规模γ辐照装置的高质量排源需要,具有高度的竞争力。     

异构系统三维高保真堆芯中子输运计算程序ALPHA研发进展

ALPHA是哈尔滨工程大学核动力仿真研究中心研发的基于异构系统的三维高保真堆芯中子输运计算程序。ALPHA程序基于性能优化的二维特征线装载图形处理单元（GPU）并行计算核心,基于MPI+CUDA混合编程模型实现粗细粒度的异构系统多节点并行并应用通信掩盖优化。ALPHA的共振计算模型采用原创的细群 子群二级离散策略并采用多群求解核心适配异构系统。ALPHA采用MOC EX实现三维全堆芯中子输运异构并行计算及GPU并行的粗网有限差分加速。数值结果表明,ALPHA程序在保证计算精度的前提下,具备较高的并行效率和一定的可扩展性,有望实现数值反应堆中中子学计算的轻量化与工程化应用。     

基于CPU-GPU异构并行的MOC中子输运计算并行效率优化研究

CPU-GPU异构系统为加速全堆芯特征线方法（MOC）精细计算提供了方法和思路。在实现基于CPU-GPU异构系统的二维MOC异构并行算法基础上，提出了性能分析模型，识别了影响异构并行算法并行效率的主要因素；针对识别到的性能影响因素，实现了输运计算与数据传递相互掩盖，提升了异构并行算法的整体并行效率。数值结果表明：程序具备良好的计算精度；数据传递（MPI通信和CPU与GPU之间的数据拷贝）是影响异构并行算法并行效率的主要因素；实现输运计算与数据传递相互掩盖后，程序性能和强并行效率均有所提升；5异构节点（包含20块GPU）并行时，程序整体效率提升达8%，强并行效率从87%提升到95%；相比CPU节点并行计算，4个CPU-GPU异构节点整体性能优于20个CPU节点。     

波形板干燥器内液滴模拟的GPU加速研究

基于CUDA C,使用GPU模拟了波形板内大量液滴的二维运动。根据GPU硬件特性,优化了模拟算法。在CPU上实现相同算法,对比了单一液滴直径、不同液滴数量下GPU与CPU的计算时间。结果表明:液滴数量越大,GPU并行加速效果越明显,在液滴数量较大时,得到约60倍的加速。用GPU分析了典型液滴直径分布的情况,得到约30倍的加速。     

推扫型背散射成像系统图像质量优化

推扫型背散射成像技术是一种成像布局灵活、对有机物敏感的新型成像技术。在以较高速度进行成像的情况下,其探测效率和图像对比度受到一定限制。本文基于自主研发的推扫型背散射成像系统,设计开发了一套专用图像处理算法,包括归一化校正、衰减校正,图像去噪,图像增强,图像分割等,以降低图像噪声和提高图像对比度。目前此算法已实际应用于成像系统进行实验验证,图像质量具有明显改善,是一种行之有效的算法。     

基于改进的二维Otsu分割算法及其应用研究

传统的二维Otsu方法考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对传统二维阈值分割算法处理图像计算时间长、噪声干扰严重等缺点,提出了一种改进的二维快速Otsu阈值自动分割算法。该算法通过改变二维直方图判别域的划分,将阈值搜索空间由二维降为一维,并运用迭代运算提高运算速度。实验结果证明,所用的改进方法更为准确地划分了目标和背景区域,增强了图像的分割效果,运用迭代运算和传统方法相比减少了处理时间。