基于CUDA的圖像細化算法研究與應用.pdf

1、大數(shù)據(jù)文件越來越普遍，圖像領域也是如此，隨著醫(yī)學、航空、生物科技等領域?qū)I(yè)技術(shù)的快速發(fā)展，幾十兆、幾百兆的高精密高像素圖像往往才能滿足行業(yè)對精度和數(shù)據(jù)量的需求。大圖像雖然能夠表達更多信息，有助于圖像算法獲得更精確的結(jié)果，但對眾多圖像處理算法而言，大圖像導致算法的運行時間成倍增加，算法實時性受到了極大的挑戰(zhàn)。如何優(yōu)化加速圖像細化算法，提高圖像細化算法的運行速度，保證圖像細化算法的實時性，是目前圖像處理領域的研究熱點。
　　圖像細化算

2、法作為重要的前置預處理算法，在保持圖像內(nèi)形狀骨架信息的前提下極大的減少了冗余像素點數(shù)據(jù)。對于復雜圖像算法，細化算法不僅能夠減少算法中計算量，并一定程度上提高了算法精確度。然而圖像大小的不斷增大，圖像細化算法的實時性受到挑戰(zhàn)。本文提出了一種基于并行迭代細化算法的 CUDA優(yōu)化策略，該策略能夠減少多余的內(nèi)存拷貝消耗和計算消耗。本文中，為驗證優(yōu)化策略的加速效果，將提出的優(yōu)化策略用 CUDA實現(xiàn)，與 OpenCV版本和 GPU普通移植版本進行速

3、度對比。最后使用 QT構(gòu)造界面實現(xiàn)了一款并行迭代細化軟件。本文的研究工作主要包含以下幾個方面：
　　1.簡單敘述了 QT和 OpenCV的軟件特性，深入討論了 CUDA的編程模型、執(zhí)行模型和存儲器模型，并采用VS2012搭建了CUDA實驗環(huán)境，根據(jù)測試的實驗環(huán)境參數(shù)設計對比實驗對優(yōu)化策略進行驗證。
　　2.本文的研究重點在于對并行迭代類細化算法的算法流程進行分析，根據(jù)GPU體系結(jié)構(gòu)的硬件特性進行改進，提出了兩個并行優(yōu)化策略，

4、滑動窗口優(yōu)化策略和標記數(shù)組優(yōu)化策略，滑動窗口優(yōu)化策略為在每次迭代之前滑動參數(shù)窗口以減少不必要的內(nèi)存拷貝消耗；標記數(shù)組優(yōu)化策略利用兩個標記數(shù)組記錄每次迭代中被刪除點的鄰域情況，從而減少在每次迭代中多余的計算消耗。
　　3.本文選取了四個著名的并行迭代細化算法-ZS細化算法、GH細化算法、AW細化算法和PS細化算法，本文針對這四個并行迭代細化算法給出了OpenCV版本實現(xiàn)，CUDA基礎加速版本實現(xiàn)和CUDA優(yōu)化策略版本實現(xiàn)，并結(jié)合QT