本文關(guān)鍵詞：針對(duì)DSA醫(yī)學(xué)圖像去噪的研究及GPU加速，由筆耕文化傳播整理發(fā)布。

【摘要】：近幾年血管疾病高發(fā),其危害已超過(guò)傳染性疾病,成為我國(guó)威脅居民健康最大類(lèi)疾病。診斷此類(lèi)疾病變得尤為重要,而DSA(Digital Subtraction Angiography,數(shù)字減影血管造影)醫(yī)學(xué)圖像在血管造影方面又有著舉足輕重的地位。然而DSA醫(yī)學(xué)圖像在攝制、儲(chǔ)存、處理和傳遞過(guò)程中,將不可避免地會(huì)引入圖像的降質(zhì)、模糊以及噪聲的干擾,采集到的圖像信息及特征會(huì)衰減、被掩蓋,甚至出現(xiàn)模糊。但又由于DSA醫(yī)學(xué)圖像分辨率高,所以無(wú)論使用何種去噪算法都將會(huì)很耗時(shí),傳統(tǒng)的串行計(jì)算難以滿(mǎn)足醫(yī)學(xué)圖像對(duì)去噪實(shí)時(shí)性較高的要求。因此,嚴(yán)重影響了醫(yī)生對(duì)病人病情的診斷。本論文主要工作及創(chuàng)新包括以下幾部分:第一,分析了DSA醫(yī)學(xué)圖像噪聲,針對(duì)其噪聲建立了圖像降質(zhì)和復(fù)原模型,并選擇了實(shí)驗(yàn)噪聲模型。構(gòu)建了針對(duì)DSA醫(yī)學(xué)圖像的評(píng)價(jià)體系。對(duì)DSA醫(yī)學(xué)圖像去噪的耗時(shí)性進(jìn)行了分析,并提出了針對(duì)帶噪DSA醫(yī)學(xué)圖像去噪采用GPU(Graphics Processing Unit,圖形處理單元)加速的方法。第二,提出并實(shí)現(xiàn)了針對(duì)DSA醫(yī)學(xué)圖像噪聲使用KNN(K Nearest Neighbors,K最近鄰)算法去噪并進(jìn)行GPU加速的方法。針對(duì)帶噪DSA醫(yī)學(xué)圖像進(jìn)行KNN算法的參數(shù)選擇,并對(duì)其進(jìn)行了串行化實(shí)現(xiàn),實(shí)驗(yàn)表明,KNN算法對(duì)帶有高斯噪聲的DSA醫(yī)學(xué)圖像去除效果最好。通過(guò)CUDA(Compute Unified Device Architecture,計(jì)算統(tǒng)一設(shè)備架構(gòu))平臺(tái)對(duì)KNN算法進(jìn)行了單GPU系統(tǒng)與多GPU系統(tǒng)的并行化實(shí)現(xiàn),并分別得到最大73.38和148.2倍的加速比。第三,提出并實(shí)現(xiàn)了針對(duì)DSA醫(yī)學(xué)圖像噪聲使用NLM(Non-local Means,非局部均值)算法去噪并進(jìn)行GPU加速的方法。針對(duì)帶噪DSA醫(yī)學(xué)圖像使用NLM算法及其改進(jìn)后的快速NLM算法進(jìn)行了實(shí)現(xiàn)及GPU加速,實(shí)驗(yàn)表明,算法對(duì)帶有高斯噪聲的DSA醫(yī)學(xué)圖像去除效果最好,并行化實(shí)現(xiàn)后,分別得到最大158.8和72.9倍的加速比。第四,對(duì)比分析了KNN算法、NLM算法及其改進(jìn)后算法,針對(duì)DSA醫(yī)學(xué)圖像在噪聲去除效果和并行化時(shí)間兩方面的差異。通過(guò)對(duì)比分析得到,NLM算法對(duì)DSA醫(yī)學(xué)圖像去噪能力略好于KNN算法和快速NLM算法,KNN算法與快速NLM算法基本上相同;NLM算法最為耗時(shí),快速NLM算法耗時(shí)略長(zhǎng)于KNN算法,KNN算法在多GPU系統(tǒng)上實(shí)現(xiàn)時(shí),高分辨率下與單GPU相比優(yōu)勢(shì)更明顯。
【關(guān)鍵詞】：DSA KNN NLM GPU CUDA 圖像去噪
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：R318;TP391.41
【目錄】：

• 摘要5-7
• abstract7-12
• 第1章 緒論12-17
• 1.1 研究背景及意義12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展12-16
• 1.2.1 圖像去噪研究現(xiàn)狀及發(fā)展12-13
• 1.2.2 GPU研究現(xiàn)狀及發(fā)展13-14
• 1.2.3 基于GPU的醫(yī)學(xué)成像研究現(xiàn)狀及發(fā)展14-16
• 1.3 主要研究?jī)?nèi)容與章節(jié)安排16-17
• 第2章 GPU與CUDA17-22
• 2.1 GPU計(jì)算與GPGPU17-18
• 2.2 CUDA架構(gòu)18-19
• 2.3 CUDA編程模型19
• 2.4 CUDA線程層次結(jié)構(gòu)19-20
• 2.5 CUDA內(nèi)存20-21
• 2.6 本章小結(jié)21-22
• 第3章 實(shí)驗(yàn)策略及實(shí)驗(yàn)前期準(zhǔn)備22-33
• 3.1 DSA噪聲分析22
• 3.2 圖像降質(zhì)復(fù)原模型的建立22-23
• 3.3 噪聲模型選擇23-25
• 3.4 DSA醫(yī)學(xué)圖像去噪效果評(píng)價(jià)體系的建立及選擇25-29
• 3.4.1 主觀評(píng)價(jià)26
• 3.4.2 客觀評(píng)價(jià)26-29
• 3.5 DSA醫(yī)學(xué)圖像去噪耗時(shí)分析29-30
• 3.6 實(shí)驗(yàn)前期準(zhǔn)備30-32
• 3.6.1 硬件準(zhǔn)備30-31
• 3.6.2 軟件準(zhǔn)備31-32
• 3.6.3 DSA醫(yī)學(xué)圖像數(shù)據(jù)準(zhǔn)備32
• 3.7 本章小結(jié)32-33
• 第4章 基于KNN算法DSA醫(yī)學(xué)圖像去噪及GPU加速33-55
• 4.1 KNN算法描述33-34
• 4.1.1 KNN算法介紹33-34
• 4.1.2 KNN算法與暴力搜索法34
• 4.2 基于KNN算法DSA醫(yī)學(xué)圖像去噪的實(shí)現(xiàn)34-35
• 4.3 去噪實(shí)驗(yàn)結(jié)果及分析35-41
• 4.3.1 實(shí)驗(yàn)結(jié)果36-37
• 4.3.2 結(jié)果分析37-41
• 4.4 基于KNN算法DSA醫(yī)學(xué)圖像去噪并行化實(shí)現(xiàn)41-45
• 4.4.1 距離計(jì)算41-43
• 4.4.2 線程分配43-44
• 4.4.3 實(shí)現(xiàn)流程44-45
• 4.5 并行化實(shí)驗(yàn)結(jié)果及分析45-47
• 4.6 基于多GPU系統(tǒng)的KNN算法并行化實(shí)現(xiàn)47-54
• 4.6.1 各計(jì)算節(jié)點(diǎn)間任務(wù)與數(shù)據(jù)的分配47-49
• 4.6.2 各計(jì)算節(jié)點(diǎn)內(nèi)任務(wù)與數(shù)據(jù)的分配49-51
• 4.6.3 各GPU內(nèi)任務(wù)與數(shù)據(jù)的分配51-53
• 4.6.4 實(shí)驗(yàn)結(jié)果及分析53-54
• 4.7 本章小結(jié)54-55
• 第5章 基于NLM算法DSA醫(yī)學(xué)圖像去噪及GPU加速55-70
• 5.1 NLM算法描述55
• 5.2 基于NLM算法DSA醫(yī)學(xué)圖像去噪的實(shí)現(xiàn)55-56
• 5.3 NLM算法去噪實(shí)驗(yàn)結(jié)果及分析56-60
• 5.3.1 實(shí)驗(yàn)結(jié)果56-57
• 5.3.2 結(jié)果分析57-60
• 5.4 基于NLM算法并行化實(shí)現(xiàn)60-61
• 5.5 NLM算法并行化實(shí)驗(yàn)結(jié)果及分析61-62
• 5.6 基于快速NLM算法DSA醫(yī)學(xué)圖像去噪的實(shí)現(xiàn)62
• 5.7 快速NLM算法去噪實(shí)驗(yàn)結(jié)果及分析62-67
• 5.7.1 實(shí)驗(yàn)結(jié)果62-63
• 5.7.2 結(jié)果分析63-67
• 5.8 快速NLM算法并行化實(shí)現(xiàn)67-68
• 5.9 快速NLM算法并行化實(shí)驗(yàn)結(jié)果及分析68
• 5.10 本章小結(jié)68-70
• 第6章 基于兩種算法的DSA醫(yī)學(xué)圖像去噪對(duì)比及分析70-74
• 6.1 去噪效果對(duì)比及分析70-71
• 6.2 并行化時(shí)間對(duì)比及分析71-72
• 6.3 本章小結(jié)72-74
• 第7章 總結(jié)及今后工作74-75
• 7.1 總結(jié)74
• 7.2 今后工作74-75
• 參考文獻(xiàn)75-83
• 致謝83-84
• 攻讀學(xué)位期間取得的科研成果84

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙夢(mèng)柳;李宏偉;;基于泊松噪音模型的圖像去噪方法(英文)[J];中國(guó)體視學(xué)與圖像分析;2012年01期

2 傅偉;萬(wàn)洪曉;熊平;;基于小波軟閾值濾波的醫(yī)學(xué)圖像去噪[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2009年01期

3 尹勇;孫偉峰;盧潔;劉同海;;一種基于非局部平均的PET圖像去噪方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2010年02期

4 李均利;侯艷芹;魏平;陳剛;;一種基于模糊均差和小波變換的醫(yī)學(xué)圖像去噪方法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2007年03期

5 孫倩;尹勇;盧潔;彭玉華;;一種基于系數(shù)分類(lèi)的CBCT圖像去噪新方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2010年03期

6 薛慧;;基于小波與小波包分析的CT圖像去噪研究[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2011年02期

7 蘇小英;張昌林;;基于小波層間相關(guān)性的中醫(yī)診斷圖像去噪方法的研究[J];醫(yī)學(xué)信息;2007年11期

8 龍燕;楊福增;;基于非采樣Contourlet變換和Wiener濾波的圖像去噪[J];中國(guó)體視學(xué)與圖像分析;2009年02期

9 劉李鸝;高智勇;劉向明;;基于小波分析的紅外乳腺圖像去噪與增強(qiáng)的實(shí)驗(yàn)研究[J];北京生物醫(yī)學(xué)工程;2007年03期

10 王為;吳國(guó)華;沈奕晨;張松方;蔣馬偉;;基于MATLAB的錐形束CT圖像去噪研究[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2013年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數(shù)小波圖像去噪[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 劉曙光;費(fèi)佩燕;屈萍鴿;;基于對(duì)偶樹(shù)復(fù)小波的圖像去噪技術(shù)研究[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國(guó)測(cè)繪科技信息交流會(huì)暨首屆測(cè)繪博客征文頒獎(jiǎng)?wù)撐募痆C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 鄧超;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張偉;具有擴(kuò)散—波動(dòng)調(diào)和特性的圖像去噪方法[D];上海交通大學(xué);2014年

2 劉孝艷;變分、PDE和非局部濾波在圖像去噪中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 羅亮;基于MCMC采樣的非局部圖像去噪方法研究[D];西安電子科技大學(xué);2015年

4 廖帆;四方向全變分在圖像去噪問(wèn)題中的應(yīng)用[D];東南大學(xué);2015年

5 楊昊;圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D];電子科技大學(xué);2016年

6 楊成佳;圖像去噪及其效果評(píng)估若干問(wèn)題研究[D];吉林大學(xué);2016年

7 劉紅毅;結(jié)構(gòu)保持的圖像去噪方法研究[D];南京理工大學(xué);2011年

8 侯迎坤;非局部變換域圖像去噪與增強(qiáng)及其性能評(píng)價(jià)研究[D];南京理工大學(xué);2012年

9 侯建華;基于小波及其統(tǒng)計(jì)特性的圖像去噪方法研究[D];華中科技大學(xué);2007年

10 龐志峰;圖像去噪問(wèn)題中的幾類(lèi)非光滑數(shù)值方法[D];湖南大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳龍;偏微分方程擴(kuò)散模型在圖像去噪中的應(yīng)用[D];昆明理工大學(xué);2015年

2 李孟嬌;基于壓縮感知的圖像去噪理論研究[D];長(zhǎng)安大學(xué);2015年

3 楊巧;新的TV改進(jìn)模型以及在SAR圖像去噪中的應(yīng)用[D];陜西師范大學(xué);2015年

4 顏珂;高通量基因測(cè)序堿基識(shí)別中圖像去噪的方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 遲廣元;兩類(lèi)圖像去噪模型的若干數(shù)值新方法研究[D];華北電力大學(xué);2015年

6 陳會(huì)娟;噪聲的估計(jì)及基于快速NLM的去除[D];華僑大學(xué);2015年

7 溫海嬌;圖像去噪與恢復(fù)[D];南京航空航天大學(xué);2014年

8 范旭;基于Contourlet變換的SAR圖像去噪研究[D];西安電子科技大學(xué);2015年

9 田剛;基于非局部均值的MRI圖像去噪研究[D];西安電子科技大學(xué);2014年

10 范婷;基于字典學(xué)習(xí)的圖像去噪方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：針對(duì)DSA醫(yī)學(xué)圖像去噪的研究及GPU加速，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：307643