【摘要】：隨著細胞圖像處理在臨床醫(yī)療診斷中的廣泛應(yīng)用,細胞圖像處理的實時性要求越來越高。由于同構(gòu)多核處理器在處理細胞圖像時運算速度提升受限,因此研究含有不同加速指令的異構(gòu)多核處理器對細胞圖像處理具有重要意義。通過對多核處理器及細胞圖像處理算法的研究,設(shè)計了一款應(yīng)用于細胞圖像處理的異構(gòu)多核處理器。該處理器共有八個內(nèi)核,每個內(nèi)核均是兩級流水處理器,第0個內(nèi)核前設(shè)置輸入緩沖作為細胞圖像的緩存,八個內(nèi)核通過交叉開關(guān)矩陣訪問具有四個存儲塊的共享數(shù)據(jù)存儲池。交叉開關(guān)矩陣對內(nèi)核地址低的數(shù)據(jù)進行優(yōu)先編碼,當兩個內(nèi)核同時訪問同一存儲塊時,地址較低的內(nèi)核優(yōu)先進行訪問。多核處理器采用了無鎖結(jié)構(gòu)的生產(chǎn)者-消費者并行編程模型,實現(xiàn)多個內(nèi)核存儲及讀取數(shù)據(jù)的配合。針對細胞圖像處理的算法選用K近鄰平滑濾波、全等級直方圖灰度拉伸、高斯模糊、USM銳化、最大類間方差法及連通域標記等算法,并在不同內(nèi)核中設(shè)計Absort指令、Inireg指令、Sumreg指令、Sum4指令、Abs指令、Mulsub指令及Mulpow指令對算法進行加速,使得運行K近鄰平滑濾波算法的內(nèi)核速度提升了2.66倍,運行全等級直方圖灰度拉伸及高斯模糊算法內(nèi)核的速度提升了1.21倍,運行USM銳化算法內(nèi)核的速度提升了1.36倍,運行最大類間方差法內(nèi)核的速度提升了1.17倍。異構(gòu)多核處理器在UMC110nm的工藝下完成仿真及綜合,其在各個內(nèi)核運行對應(yīng)算法時處理細胞圖像速度為每秒203.11幀,相比于單核結(jié)構(gòu)速度提升了10.83倍,最高時鐘頻率為136.98MHz,總面積為19.0mm~2。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;R318
【圖文】：

圖 1-1 Mr.Wolf 處理器架構(gòu)Fig.1-1 The Mr.Wolf Processor Architecture方發(fā)達國家相比，國內(nèi)對細胞圖像自動檢測分析的研究起步較晚。80 展通過細胞進行診斷的研究，90 年代初期，癌細胞視覺檢測和識別。經(jīng)過了二十余年的發(fā)展，我國細胞圖像自動檢測技術(shù)也有了一定的 年，張桂梅等人針對醫(yī)學(xué)圖像灰度不均勻的問題提出了新的分割模方法，將其在 CPU 中運行，發(fā)現(xiàn)可以分割圖像的效率以及準確度都2016 年，北京郵電大學(xué)針對癌細胞檢測對 Alex Net 進行了改進，提網(wǎng)絡(luò)更加穩(wěn)定，規(guī)模縮小且提升了速度[28]。2018 年，楊金鑫等人針確細胞的問題，提出了一種基于超像素分割的 NLM 去噪算法，以降低像的影響[29]。2018 年，南京理工大學(xué)朱珊珊等人發(fā)現(xiàn) CPU 串行處理里葉變換的需求，處理時間較長，而光學(xué)相干層析技術(shù)在生物醫(yī)學(xué)領(lǐng)著重要的作用，而活體成像對實時性要求較高，因此考慮將 CUDA 到數(shù)據(jù)處理中，發(fā)現(xiàn) CUDA 這種 CPU+GPU 的混合編程技術(shù)使處理。

圖 2-1 LPC5411x 內(nèi)部功能框圖Fig.2-1 The LPC5411x Internal Functional Block Diagram核處理器流處理的方式處理數(shù)據(jù)，將不同的算法分配在各個內(nèi)內(nèi)核的數(shù)據(jù)，不同內(nèi)核間僅有細胞圖像數(shù)據(jù)的傳輸，存儲器中，當一個內(nèi)核處理完數(shù)據(jù)存入共享存儲器多核處理器分為兩類，一類為集中式共享存儲多核ultiprocessors，SMP），另一類為多核架構(gòu)采用ed Memory，DSM），內(nèi)核的數(shù)量決定了兩類存儲器多核處理器均采用 SMP 結(jié)構(gòu)，其架構(gòu)如圖 2-2 所示內(nèi)核，通常數(shù)量小于等于 32 個。對于內(nèi)核數(shù)量較少個集中式的存儲器，并且每一個內(nèi)核對所有存儲器構(gòu)有時也被稱為一致性存儲訪問多核處理器，所有內(nèi)

（a）灰度圖 （b）最大類間方差法處理效果 （c）Canny 算子處理效果圖 3-4 人像灰度圖經(jīng)最大類間方差法及 Canny 算子處理效果圖Fig.3-4 Portrait Grayscale Image Processed by OTSU and Canny Operator（a）灰度圖 （b）最大類間方差法處理效果 （c）Canny 算子處理效果圖 3-5 細胞灰度圖經(jīng)最大類間方差法及 Canny 算子處理效果圖Fig.3-5 Cell Grayscale Image Processed by OTSU and Canny Operator圖 3-4（a）是一幅較為復(fù)雜的人像灰度圖，可以從圖 3-4（b）及圖 3-4（c）看出 Cann算子分割出了人像圖的細節(jié)，最大類間方差法對人像圖的所有細節(jié)處理的效果都不如Canny 算子，因此對于這種較為復(fù)雜的圖像最大類間方差法并不占優(yōu)勢。圖 3-5（a）是一

【相似文獻】

相關(guān)期刊論文 前10條

1 漆鵬杰;劉秀波;仲兆準;;顯微細胞圖像有形成分分割方法研究[J];微型機與應(yīng)用;2015年17期

2 蘇娜;;基于形狀參數(shù)的重疊細胞圖像判別研究[J];電腦知識與技術(shù);2012年25期

3 徐俊杰;;電子計算機細胞圖像分析[J];法醫(yī)學(xué)雜志;1993年02期

4 郝連旺;洪文學(xué);魏濵;;基于優(yōu)選特征屬性偏序結(jié)構(gòu)分析的白細胞圖像分類規(guī)則發(fā)現(xiàn)[J];高技術(shù)通訊;2015年Z2期

5 顧廣華;崔冬;;白細胞圖像的柔性組合分割算法[J];儀器儀表學(xué)報;2008年09期

6 馬建華,陳道達,鄭清平,田源,陶凱雄;細胞圖像分析優(yōu)選阿霉素磁性蛋白微球[J];華中科技大學(xué)學(xué)報(醫(yī)學(xué)版);2002年02期

7 姜志國,周孝寬;細胞圖像形態(tài)的分形維研究[J];中國體視學(xué)與圖像分析;1996年Z3期

8 吳慧編;仇曉春;;前沿[J];上海交通大學(xué)學(xué)報(醫(yī)學(xué)版);2017年02期

9 漆鵬杰;劉秀波;仲兆準;管淼;謝光偉;;顯微細胞圖像有形成分自動識別[J];計算機系統(tǒng)應(yīng)用;2015年05期

10 唐思源;宮杰;;細胞圖像的邊緣提取與輪廓跟蹤[J];科協(xié)論壇(下半月);2011年10期

相關(guān)會議論文 前10條

1 夏潮涌;夏鳴風(fēng);魏清柱;黃中新;;圖像分析系統(tǒng)測量細胞圖像光度的性能評估[A];第九屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2001年

2 沙盛中;翁桂榮;秦樹偉;;基于數(shù)學(xué)形態(tài)學(xué)的白細胞分割及提取[A];第二十六屆中國控制會議論文集[C];2007年

3 張鑫;翁鄧胡;;醫(yī)學(xué)細胞圖像邊緣檢測算法研究[A];浙江生物醫(yī)學(xué)工程學(xué)會第九屆年會論文匯編[C];2011年

4 王兆仲;周付根;;血細胞圖像的自適應(yīng)分割[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

5 溫程璐;王蓬勃;李偉;;基于顯微視覺技術(shù)的生物細胞圖像處理研究進展[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文集第三分冊[C];2005年

6 魏清柱;夏潮涌;黃中新;覃莉;饒曉黎;康海蘭;黃華梅;;光衍射現(xiàn)象對細胞核DNA含量檢測的影響[A];第九屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2001年

7 麻碩士;侯振杰;裴喜春;潘新;;動物骨髓細胞分割與識別方法的研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文集第三分冊[C];2005年

8 趙仕杰;柏正堯;姚娜;李德儉;;基于簡化PCNN模型及信息熵最大準則的生物細胞圖像分割[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

9 黎宗強;杜瑩瑩;李嬋;趙廣偉;謝莉萍;;食蟹猴陰道涂片的動態(tài)觀察[A];中國畜牧獸醫(yī)學(xué)會動物解剖學(xué)及組織胚胎學(xué)分會第十五次學(xué)術(shù)研討會論文集[C];2008年

10 汪一聰;陳懇;;一種任意形狀粘連顆粒圖像的分離算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前2條

1 記者 毛黎;人類首次拍攝到寄生蟲感染細胞圖像[N];科技日報;2008年

2 ;貉的繁殖系列問答[N];中國畜牧獸醫(yī)報;2009年

相關(guān)博士學(xué)位論文 前10條

1 趙理莉;宮頸細胞圖像智能分析關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2017年

2 關(guān)濤;光學(xué)顯微宮頸細胞圖像的分割與識別方法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

3 郝連旺;基于多空間混合屬性融合的白細胞圖像識別方法研究[D];燕山大學(xué);2014年

4 張瑞華;醫(yī)學(xué)顯微細胞圖像分割研究[D];武漢科技大學(xué);2014年

5 陳韜亦;生物醫(yī)學(xué)顯微鏡細胞圖像的運動恢復(fù)和分割問題研究[D];哈爾濱工業(yè)大學(xué);2011年

6 梁光明;體液細胞圖像有形成分智能識別關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

7 王瑞胡;紅血球表面形狀特征提取與分類技術(shù)研究[D];重慶大學(xué);2012年

8 孟霆;基于多尺度幾何分析的細胞圖像處理相關(guān)技術(shù)研究[D];哈爾濱工程大學(xué);2012年

9 范金坪;宮頸細胞圖像分割和識別方法研究[D];暨南大學(xué);2010年

10 李寬;細胞圖像的分割、紋理提取及識別方法研究[D];國防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 孫嘉鴻;針對細胞圖像處理的異構(gòu)多核處理器研究[D];西安理工大學(xué);2019年

2 韓濤;基于深層次的特征學(xué)習(xí)對HEp-2細胞的自動化分類及分割方法研究[D];深圳大學(xué);2018年

3 劉帥;AML細胞圖像分割與識別方法研究[D];哈爾濱理工大學(xué);2018年

4 胡燕云;顯微白細胞圖像自動獲取與識別技術(shù)研究[D];湘潭大學(xué);2018年

5 邱立英;外周血細胞圖像的分割算法研究[D];福州大學(xué);2017年

6 劉歡;細胞圖像分析處理系統(tǒng)的開發(fā)[D];華東師范大學(xué);2007年

7 魏文明;基于極限學(xué)習(xí)機算法的彩色血細胞圖像自動分割[D];江西財經(jīng)大學(xué);2014年

8 王任揮;基于最大信息熵原理的顯微細胞圖像多閾值分割[D];內(nèi)蒙古師范大學(xué);2008年

9 鄭飛虎;腫瘤顯微細胞圖像分割技術(shù)研究[D];華東交通大學(xué);2009年

10 王筱艷;細胞圖像的分割與計數(shù)[D];四川大學(xué);2007年

本文編號：2761172