基于Fermi平台的双边滤波超声图像斑点噪声抑制并行处理算法

对医学超声图像使用双边滤波技术不仅可以很好地抑制噪声,同时可以较好地保留组织结构信息。但由于该技术涉及大量的复杂计算往往难以满足实时处理的要求,为此依据Fermi架构技术特性设计完成一种斑点噪声抑制的并行处理算法。数据测试结果显示,采用Fermi架构的GPU处理在保证算法处理效果基础上获得了比较明显的加速效果。对于512×512的图像数据在迭代两次的情况下能够达到25 fps的帧率,速度提高了大约90倍。

CUDA平台下的超声弹性成像并行处理算法

超声弹性模式成像是新兴高端超声成像系统中出现的新型成像模式,与传统的黑白超,彩超成像模式不同,它能够为临床诊断提供组织器官的硬度信息。弹性成像模式可以帮助医生定性和定量地检测组织的弹性值变化,特别是对一些肿瘤疾病如乳腺癌等的早期检测有巨大的推动作用,因此,这一新型检测手段具有十分重大的临床应用价值。但是弹性成像系统在处理时涉及大量的复杂运算,使其难于在临床实时系统中得到应用,为此文章研究并提出一种基于CUDA(Compute Unified Device Architecture,统一计算设备架构)平台的超声弹性成像模式并行处理算法。算法包括了信号预处理,运动计算,应变估计和图像后处理与显示等处理步骤的并行实现。由弹性体模得到的数据实验表明,基于CUDA的超声弹性成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的显示图像,而且可以取得较大的加速效果,满足实时系统需求,文章的数据测试显示对于256×512的信号数据能够达到63fps的帧率,速度提高了85倍。

面向停车场场景的多传感器融合匹配算法与融合数据的并行处理

自动泊车是无人驾驶领域可率先实现量产的重要功能之一。实现自动泊车功能,首先面临着停车场数据的采集和分析工作。基于三种典型停车场场景,从硬件传感器搭建,传感器感知算法开发和场景数据处理分析三方面分别展开:对采集平台搭建工作,主要介绍如何进行传感器的安装、时间轴标定,和空间坐标统一;基于前视毫米波雷达和视觉传感器,重点介绍这两种传感器的匹配算法和目标级别的融合算法;基于场景提取与大数据处理的数据分析,开发自动化批量数据处理Python代码,实现TB级的原始数据标注,并在短时间内完成自动化批量处理,整个技术流程工具链具有较高的科研价值和商业价值。

数字阵列雷达并行信号处理算法及实现

在某型号数字阵列雷达信号处理机的研制过程中,针对多波束、多任务下实时运算的难题,基于分布式多DSP处理器平台研究了数字阵列雷达的并行算法实现,采用多通道并行和通道内流水并行的处理方案进行算法分配和映射,成功完成了系统设计。实验结果表明,该系统具有较好的实时性、并行性和可扩展性。

基于多线程加速的STEP标准并行解析算法

当前CAD软件加载大型STEP中性文件时速度慢,其效率瓶颈关键在于其解析算法.针对基于单线程的中性标准解析算法已经远远不能满足当前CAD应用需求的问题,提出了一种基于多线程的分层并行数据解析算法,利用当前主流CPU都采用的多核并行架构,大幅提升了STEP文件解析效率.根据模型体中数据的分层特性,算法利用线程池对各层数据解析进行并行加速.文中算法已经在开源几何引擎OpenGE中实现.与OpenCASCADE的对比实验验证了文中算法的有效性.实验结果表明,算法的并行解析程序运行速度相比串行解析程序运行速度提升至原算法的2倍,比OpenCASCADE解析算法快50%.

近似欧氏距离变换的一种并行算法

提出了一种基于超大规模集成电路 (VL SI)硬件结构的新型距离变换并行处理算法。距离变换是一种基于二值图像的全局操作 ,在骨架抽取、形状匹配、目标重建、机器人避障等图像分析与模式识别算法中有着广泛的应用。欧氏距离是精确的 L2 范数距离 ,但是由于欧氏距离的非线性 ,不利于各种并行算法和加速算法的设计与实现 ,因此在应用中各种变形的加权距离作为欧氏距离的近似得到了实际推广。本文算法是有别于传统近似欧氏距离的并行计算方法 ,可应用于传统 IC硬件或数字信号处理芯片 (DSP)。理论分析和实验结果表明 ,该方法具有算法简单、快速、误差小等特点 ,可以更好地近似欧氏距离 ,并同时得到图像的 Voronoi图 ,是一种实际可行的升级算法。

河流模型流速测量软件数据处理算法研究

对计算机软件水流速度测量数据处理进行了研究 ,分析比较了单测点处理算法、多测点串行处理算法及多测点并行处理算法 ,指出在多测点情况下 ,多点并行同步测量算法可满足多点实时测量要求与经济性要求 .讨论了Windows环境下流速测量软件的实现及优化方法 ,并通过工程实例验证了多测点并行处理算法的优越性 .

基于CUDA的超声B模式成像

超声B模式成像是超声成像系统中最基本的成像模式,能够为临床诊断提供器官组织的解剖信息。但由于从聚焦的射频信号(radio-frequency,RF)到B模式图像的基带处理过程中涉及大量运算,为了得到高质量的B模式图像,现有的医疗系统在实际实现过程中通常依赖于复杂的硬件,这大大加大了实现难度及成本。为此提出了一种基于NVID IA公司统一计算设备架构(compute unified device architecture,CUDA)的超声B模式成像的并行实现,利用图形处理单元(graphic processing unit,GPU)并行计算实现从RF到B模式图像过程中的卷积计算、正交解调、包络检测、数据压缩及扫描转换等处理。临床活体组织数据上的实验表明,针对由规模为191×9344的RF数据得到648×512的B模式图像,基于CUDA的并行实现与基于CPU的实现相比,在保证得到相同质量的B模式图像的前提下,速度提高了69倍。

基于CUDA的超声脉冲多普勒成像

医学超声脉冲多普勒成像模式是在临床超声成像系统中获得人体血管中血流分布情况的一种重要的检测工具,与传统的B超,彩超成像模式不同,超声脉冲多普勒成像模式不仅可以通过频谱图显示表示流过取样容积的血流速度变化和测定某一位置的血流,而且相比较于连续波式多普勒模式它可以消除多普勒信号的混叠效应提高检测的空间分辨率。但是脉冲多普勒系统在处理时涉及大量的复杂运算,例如FFT(快速傅里叶变换)和卷积运算等,使其难于应用到临床实时系统中。为此研究并提出了一种基于统一计算设备架构(CU-DA)平台的超声脉冲多普勒成像系统的并行处理算法。该算法包括了壁滤波、频谱估计、移频处理和频谱显示后处理等处理步骤的并行实现。数据实验结果表明,基于CUDA的超声脉冲多普勒成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的频谱图,而且可以取得较大的加速效果,满足实时系统需求;数据测试显示,对于65535×20的信号数据能够达到1秒处理2770条谱线的计算性能,速度提高了约140倍。

基于Fermi架构的超声图像自动增益补偿并行算法

在医学超声成像系统中由于超声波在人体组织内传播会发生衰减,需要对超声图像进行有效的增益补偿,使超声图像的显示效果更好。但大多数自动增益补偿算法在处理时涉及大量的复杂计算,成为临床实时成像系统中的一大性能提升瓶颈,为此提出了一种基于高性能并行计算平台Fermi架构图形处理单元(GPU)的自动增益补偿并行处理算法。本算法主要的处理流程有数据预处理、区域类型检测、组织强度计算、二次曲面拟合以及自适应增益补偿等部分,核心的并行算法设计包括了粗粒度的并行均值滤波、局部方差系数的并行计算、优化的矩阵转置并行实现以及基于LU分解的粗粒度的矩阵求逆的并行实现等方面。数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的增益补偿效果,而且可以取得较大的加速效果,满足实时系统需求,对512×261的图像数据能够达到427帧/s的高帧率,速度提高了大约267倍。

Fermi平台下的医学超声实时扫描转换并行算法

在超声成像系统中扫描转换是让超声图像较好地在屏幕上进行显示所必须的处理步骤。由于这一处理步骤中存在运算复杂的插值运算,特别是在横向使用的三次方插值,使其成为临床实时成像系统中提供帧速率的一大性能提升瓶颈,为此本文研究并提出了一种基于新兴的高性能并行计算平台Fermi架构GPU(Graphics processing unit)的并行处理算法,该算法基于GPU并行处理平台,主要包括初始化阶段、图像插值以及图像显示这3个处理环节。该算法不仅保持了与现有计算平台系统的计算精度,而且显著地提高了这一处理环节的计算速度。数据测试结果显示,采用Fermi架构的GPU处理在得到与基于CPU的实现完全一致的扫描转换效果的同时,取得了较大的加速效果。对于3 121×936的图像数据能够达到1 558fps的帧率,速度提高了大约664倍。

CUDA下使用区域增长的超声斑点噪声抑制

在数字彩色超声成像系统中斑点噪声是影响超声图像成像品质的重要原因。使用图像局部区域的统计信息可以较好地识别出斑点噪声和组织结构区域,进而使用自适应滤波抑制斑点噪声。但这一处理涉及大量复杂计算,使其难以在临床实时成像系统发挥作用,为此研究并提出了一种基于新兴的高性能并行计算平台Fermi架构GPU(graphics processing unit图形处理单元)的并行斑点噪声抑制处理算法。数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的图像去噪效果,而且可以取得较大的加速性能。对512×512的图像数据能够达到65fps的高帧率,速度提高了大约183倍。

Fermi架构下各向异性扩散超声斑点噪声抑制

在医学超声成像系统中斑点噪声是影响超声图像成像品质的主要原因。使用图像局部区域的相干性信息可以较好地进行斑点噪声抑制,半隐式加性算子分裂的运算方式相比较于传统显式各向异性的滤波方式更稳定可靠。但这一各向异性扩散方法在处理时涉及大量的复杂计算,使其在目前的超声系统上难以得到实际应用,为此提出一种基于新兴高性能并行计算平台Fermi架构GPU(graphics processing unit图形处理单元)的并行斑点噪声抑制处理算法。测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的图像去噪效果,而且可以取得较大的加速效果,基本满足实时系统需求。对于512×512的图像数据能够达到378fps的帧率,速度提高了约119倍。

基于GPU的超声场仿真成像平台

对超声场进行仿真是典型的高计算量算法。为了在有限时间内得到运算结果,在设计算法时点波源和观察点的个数常受到很大限制。而利用图形处理单元(graphics processing unit,GPU)并行计算可以有效地提升该算法的计算速度。我们基于Ultrasim工具箱的仿真原理,通过设置一系列观察点来接受并计算球面波的瑞利索末菲积分,实现了使用GPU的仿真平台。因为在每一个观察点处需计算的压强和其他观察点的结果是相互独立的,因此本算法非常适合使用GPU进行并行计算。在设置了15万个观察点的条件下,与Ultrasim工具箱的仿真速度相比,本平台提供的算法将速度提升了约400倍。

多源数据决策技术在红外目标检测中的应用

针对各个滤波算法的适用范围不同,仅仅依靠单一的滤波算法不能适应红外系统的实际需求,提出了复杂背景下红外图像弱小目标的多算法并行处理硬件结构,该结构采用了基于自适应"投票表决"的多源数据决策技术,能根据外场的实际情况自适应地将各种滤波算法的优势集合起来,可以极大地改善滤波效果,提高点目标的检测概率,为后续处理降低数据量及运算量。针对硬件仿真阶段注入原始红外图像数据流困难,无法实时对比图像处理前/后效果的问题,基于Wishbone-PCI桥核设计并实现了以FPGA为主处理器、主机为从处理器的红外图像处理仿真平台。实验表明,多源数据决策技术很好地满足了系统的实际需求,多算法并行处理硬件结构运行稳健有效,硬件仿真平台可靠稳定,整个系统有很强的工程实用价值。