基于GPU的圖像粒子擬合和分類算法的研究及應(yīng)用.pdf

1、隨著當(dāng)代社會信息快速發(fā)展,每日在氣象預(yù)報、計算生物學(xué)、商業(yè)風(fēng)險計算、科學(xué)研究等領(lǐng)域產(chǎn)生海量的信息?；趚86體系結(jié)構(gòu)的處理器由于元件的縮小和散熱等工藝技術(shù)的限制,很難再有大的性能飛躍。為了應(yīng)對海量數(shù)據(jù)問題,使用GPU來加速計算己成為一種趨勢。
　　 在研究病毒中,為跟蹤單點(diǎn)病毒粒子,會拍攝下大量的粒子圖像。這些粒子的熒光圖像在超顯微鏡下的亮度值呈點(diǎn)擴(kuò)散函數(shù)形式。粒子的特征可以通過曲線擬合來得到。Levnberg-Marquard

2、t算法是擬合曲線的一種穩(wěn)定而快速的擬合方法。當(dāng)擬合拍攝下的大量囊泡粒子圖像時,這將是一個巨大的挑戰(zhàn)。
　　 結(jié)合當(dāng)前的GPU技術(shù)和擬合大量的粒子圖像,本文基于CPU+GPU異構(gòu)架構(gòu)上做了如下貢獻(xiàn)和工作:
　　 1,設(shè)計并實(shí)現(xiàn)了基于CPU+GPU架構(gòu)的適用完整高斯函數(shù)、無角度高斯函數(shù)、圓形高斯函數(shù)等三種情形的GPU-GauseFitting并行程序。通過大量實(shí)驗(yàn)證明在擬合圖像幀數(shù)大于1000的情況下,該GPU程序能夠獲得相

3、對于串行程序CPU-GauseFitting40倍以上的加速比。
　　 2,為了應(yīng)對在拍攝中拍攝到兩個囊泡的情況,對GPU-Gause Fitting進(jìn)行可擴(kuò)展性重構(gòu)。擴(kuò)展后的GPU-GauseFitting2程序更加具有普適性。通過大量實(shí)驗(yàn)證明在擬合圖像幀數(shù)大于1000的情況下,該GPU程序能夠獲得相對于串行程序CPU-GauseFitting60倍以上的加速比。
　　 3,設(shè)計并實(shí)現(xiàn)了基于CPU+GPU架構(gòu)的并行樸素

4、貝葉斯分類器(GPU-NBC)。使用該程序?qū)M合圖像的結(jié)果數(shù)據(jù)進(jìn)行分類,實(shí)驗(yàn)證明在數(shù)據(jù)量大于1000的情況下,結(jié)果顯示能夠獲得相對于CPU-NBC20倍左右的加速比。此外還使用本程序?qū)碜訳CI的10個以上的數(shù)據(jù)進(jìn)行與CPU-NBC程序進(jìn)行對比試驗(yàn),獲得了2～50倍的加速比。
　　 本文基于CPU+GPU異構(gòu)架構(gòu)實(shí)現(xiàn)的GPU-GauseFitting方法,能夠快速的對圖像數(shù)據(jù)進(jìn)行擬合。同時GPU-NBC在數(shù)據(jù)分類中也能很好的起到