基于 cuda 的三维非局部均值滤波并行算法设计-生物医学工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取 得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人 和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由 本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□ ，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 图像去噪是三维超声成像系统的重要研究内容。基于非局部均值的滤波算法能 够有效地去除超声图像中斑点噪声，平滑超声图像的连续区域，提供给重建高质量 图像。虽然非局部均值滤波方法能够有效去除斑点噪声，但是其算法的复杂性高， 难以满足实时性要求。而实时三维超声成像系统要求各个模块对数据的处理都能达 到实时，特别是将超声成像技术应用于手术导航上时，实时的图像显示变得尤为重 要。非局部均值滤波的方法在超声图像去噪上已经有了很多应用，本文也实现了基 于 C++的非局部均值滤波算法。如何将串行的算法设计为并行算法，由二维图像扩 展到三维图像并且选择合适的硬件设备是设计并行算法的难点。近年的研究热点 GPGPU 技术在处理大规模数据上显示了 其优势 。 2007 年 Nvidia 推出了 CUDA(Compute Unified Device Architecture,统一计算设备架构)将 GPGPU 的应用推 向了更广泛的领域，CUDA 技术已经被应用于石油勘测、天文计算、图像处理等领 域。 本文将非局部均值滤波算法分解为多个步骤，确定串行执行部分和并行执行部 分，采用 CPU+GPU 异构模式，由 CPU 负责执行复杂逻辑处理和事务管理等串行 部分，由 GPU 负责计算密集型的大规模数据并行计算。通过实验分析，对原始含 噪声数据进行二维、三维的去噪，比较了两种方法的去噪效果，并且设计使用了 CUDA 加速的并行计算的方法，此并行算法的执行效率远远高于串行计算，但是具 体算法的实现必须与平台硬件工具和设计方案相匹配。设计 CUDA 并行程序，关键 在于如何分配线程任务、线程间通行、同步、以及算法最优化等。本文实现了基于 非局部均值算法的实时三维超声图像滤波的 GPU 加速；介绍并总结了 CUDA 程序 开发技术及并行算法优化技术。 关键字：超声波图像；CUDA；非局部均值滤波；三维体数据。 II II Abstract Image denoising is an important study area in three-dimension ultrasound imaging system. Non-local mean filter is a nice method to remove the speckle noise, and smooth the consecutive area in ultrasound images. However, the algorithm’ computational complexity makes it a highly time-consuming method, and unable to meet the requirement of real-time. Real-time 3D ultrasound imaging system requires each module of system for data processing in real-time, especially in surgical navigation. Non-local mean filtering method in ultrasound image denoising has a lot of successful applications, and this thesis has implemented a NLM method based C++. For designing parallel algorithm, how to choose appropriate technology according to th