针对DSA医学图像去噪的研究及GPU加速

发布时间：2017-04-15 05:04

  本文关键词：针对DSA医学图像去噪的研究及GPU加速，由笔耕文化传播整理发布。

【摘要】：近几年血管疾病高发,其危害已超过传染性疾病,成为我国威胁居民健康最大类疾病。诊断此类疾病变得尤为重要,而DSA(Digital Subtraction Angiography,数字减影血管造影)医学图像在血管造影方面又有着举足轻重的地位。然而DSA医学图像在摄制、储存、处理和传递过程中,将不可避免地会引入图像的降质、模糊以及噪声的干扰,采集到的图像信息及特征会衰减、被掩盖,甚至出现模糊。但又由于DSA医学图像分辨率高,所以无论使用何种去噪算法都将会很耗时,传统的串行计算难以满足医学图像对去噪实时性较高的要求。因此,严重影响了医生对病人病情的诊断。本论文主要工作及创新包括以下几部分:第一,分析了DSA医学图像噪声,针对其噪声建立了图像降质和复原模型,并选择了实验噪声模型。构建了针对DSA医学图像的评价体系。对DSA医学图像去噪的耗时性进行了分析,并提出了针对带噪DSA医学图像去噪采用GPU(Graphics Processing Unit,图形处理单元)加速的方法。第二,提出并实现了针对DSA医学图像噪声使用KNN(K Nearest Neighbors,K最近邻)算法去噪并进行GPU加速的方法。针对带噪DSA医学图像进行KNN算法的参数选择,并对其进行了串行化实现,实验表明,KNN算法对带有高斯噪声的DSA医学图像去除效果最好。通过CUDA(Compute Unified Device Architecture,计算统一设备架构)平台对KNN算法进行了单GPU系统与多GPU系统的并行化实现,并分别得到最大73.38和148.2倍的加速比。第三,提出并实现了针对DSA医学图像噪声使用NLM(Non-local Means,非局部均值)算法去噪并进行GPU加速的方法。针对带噪DSA医学图像使用NLM算法及其改进后的快速NLM算法进行了实现及GPU加速,实验表明,算法对带有高斯噪声的DSA医学图像去除效果最好,并行化实现后,分别得到最大158.8和72.9倍的加速比。第四,对比分析了KNN算法、NLM算法及其改进后算法,针对DSA医学图像在噪声去除效果和并行化时间两方面的差异。通过对比分析得到,NLM算法对DSA医学图像去噪能力略好于KNN算法和快速NLM算法,KNN算法与快速NLM算法基本上相同;NLM算法最为耗时,快速NLM算法耗时略长于KNN算法,KNN算法在多GPU系统上实现时,高分辨率下与单GPU相比优势更明显。
【关键词】：DSA KNN NLM GPU CUDA 图像去噪
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TP391.41
【目录】：

• 摘要5-7
• abstract7-12
• 第1章 绪论12-17
• 1.1 研究背景及意义12
• 1.2 国内外研究现状及发展12-16
• 1.2.1 图像去噪研究现状及发展12-13
• 1.2.2 GPU研究现状及发展13-14
• 1.2.3 基于GPU的医学成像研究现状及发展14-16
• 1.3 主要研究内容与章节安排16-17
• 第2章 GPU与CUDA17-22
• 2.1 GPU计算与GPGPU17-18
• 2.2 CUDA架构18-19
• 2.3 CUDA编程模型19
• 2.4 CUDA线程层次结构19-20
• 2.5 CUDA内存20-21
• 2.6 本章小结21-22
• 第3章 实验策略及实验前期准备22-33
• 3.1 DSA噪声分析22
• 3.2 图像降质复原模型的建立22-23
• 3.3 噪声模型选择23-25
• 3.4 DSA医学图像去噪效果评价体系的建立及选择25-29
• 3.4.1 主观评价26
• 3.4.2 客观评价26-29
• 3.5 DSA医学图像去噪耗时分析29-30
• 3.6 实验前期准备30-32
• 3.6.1 硬件准备30-31
• 3.6.2 软件准备31-32
• 3.6.3 DSA医学图像数据准备32
• 3.7 本章小结32-33
• 第4章 基于KNN算法DSA医学图像去噪及GPU加速33-55
• 4.1 KNN算法描述33-34
• 4.1.1 KNN算法介绍33-34
• 4.1.2 KNN算法与暴力搜索法34
• 4.2 基于KNN算法DSA医学图像去噪的实现34-35
• 4.3 去噪实验结果及分析35-41
• 4.3.1 实验结果36-37
• 4.3.2 结果分析37-41
• 4.4 基于KNN算法DSA医学图像去噪并行化实现41-45
• 4.4.1 距离计算41-43
• 4.4.2 线程分配43-44
• 4.4.3 实现流程44-45
• 4.5 并行化实验结果及分析45-47
• 4.6 基于多GPU系统的KNN算法并行化实现47-54
• 4.6.1 各计算节点间任务与数据的分配47-49
• 4.6.2 各计算节点内任务与数据的分配49-51
• 4.6.3 各GPU内任务与数据的分配51-53
• 4.6.4 实验结果及分析53-54
• 4.7 本章小结54-55
• 第5章 基于NLM算法DSA医学图像去噪及GPU加速55-70
• 5.1 NLM算法描述55
• 5.2 基于NLM算法DSA医学图像去噪的实现55-56
• 5.3 NLM算法去噪实验结果及分析56-60
• 5.3.1 实验结果56-57
• 5.3.2 结果分析57-60
• 5.4 基于NLM算法并行化实现60-61
• 5.5 NLM算法并行化实验结果及分析61-62
• 5.6 基于快速NLM算法DSA医学图像去噪的实现62
• 5.7 快速NLM算法去噪实验结果及分析62-67
• 5.7.1 实验结果62-63
• 5.7.2 结果分析63-67
• 5.8 快速NLM算法并行化实现67-68
• 5.9 快速NLM算法并行化实验结果及分析68
• 5.10 本章小结68-70
• 第6章 基于两种算法的DSA医学图像去噪对比及分析70-74
• 6.1 去噪效果对比及分析70-71
• 6.2 并行化时间对比及分析71-72
• 6.3 本章小结72-74
• 第7章 总结及今后工作74-75
• 7.1 总结74
• 7.2 今后工作74-75
• 参考文献75-83
• 致谢83-84
• 攻读学位期间取得的科研成果84

【相似文献】

中国期刊全文数据库 前10条

1 赵梦柳;李宏伟;;基于泊松噪音模型的图像去噪方法(英文)[J];中国体视学与图像分析;2012年01期

2 傅伟;万洪晓;熊平;;基于小波软阈值滤波的医学图像去噪[J];中国医学物理学杂志;2009年01期

3 尹勇;孙伟峰;卢洁;刘同海;;一种基于非局部平均的PET图像去噪方法[J];生物医学工程学杂志;2010年02期

4 李均利;侯艳芹;魏平;陈刚;;一种基于模糊均差和小波变换的医学图像去噪方法[J];中国生物医学工程学报;2007年03期

5 孙倩;尹勇;卢洁;彭玉华;;一种基于系数分类的CBCT图像去噪新方法[J];生物医学工程学杂志;2010年03期

6 薛慧;;基于小波与小波包分析的CT图像去噪研究[J];中国医学物理学杂志;2011年02期

7 苏小英;张昌林;;基于小波层间相关性的中医诊断图像去噪方法的研究[J];医学信息;2007年11期

8 龙燕;杨福增;;基于非采样Contourlet变换和Wiener滤波的图像去噪[J];中国体视学与图像分析;2009年02期

9 刘李鹂;高智勇;刘向明;;基于小波分析的红外乳腺图像去噪与增强的实验研究[J];北京生物医学工程;2007年03期

10 王为;吴国华;沈奕晨;张松方;蒋马伟;;基于MATLAB的锥形束CT图像去噪研究[J];中国医学物理学杂志;2013年04期

中国重要会议论文全文数据库 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 张伟;具有扩散—波动调和特性的图像去噪方法[D];上海交通大学;2014年

2 刘孝艳;变分、PDE和非局部滤波在图像去噪中的应用研究[D];西安电子科技大学;2015年

3 罗亮;基于MCMC采样的非局部图像去噪方法研究[D];西安电子科技大学;2015年

4 廖帆;四方向全变分在图像去噪问题中的应用[D];东南大学;2015年

5 杨昊;图像去噪中几种优化算法的相关研究[D];电子科技大学;2016年

6 杨成佳;图像去噪及其效果评估若干问题研究[D];吉林大学;2016年

7 刘红毅;结构保持的图像去噪方法研究[D];南京理工大学;2011年

8 侯迎坤;非局部变换域图像去噪与增强及其性能评价研究[D];南京理工大学;2012年

9 侯建华;基于小波及其统计特性的图像去噪方法研究[D];华中科技大学;2007年

10 庞志峰;图像去噪问题中的几类非光滑数值方法[D];湖南大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈龙;偏微分方程扩散模型在图像去噪中的应用[D];昆明理工大学;2015年

2 李孟娇;基于压缩感知的图像去噪理论研究[D];长安大学;2015年

3 杨巧;新的TV改进模型以及在SAR图像去噪中的应用[D];陕西师范大学;2015年

4 颜珂;高通量基因测序碱基识别中图像去噪的方法研究[D];哈尔滨工业大学;2015年

5 迟广元;两类图像去噪模型的若干数值新方法研究[D];华北电力大学;2015年

6 陈会娟;噪声的估计及基于快速NLM的去除[D];华侨大学;2015年

7 温海娇;图像去噪与恢复[D];南京航空航天大学;2014年

8 范旭;基于Contourlet变换的SAR图像去噪研究[D];西安电子科技大学;2015年

9 田刚;基于非局部均值的MRI图像去噪研究[D];西安电子科技大学;2014年

10 范婷;基于字典学习的图像去噪方法研究[D];西安电子科技大学;2014年

  本文关键词：针对DSA医学图像去噪的研究及GPU加速，，由笔耕文化传播整理发布。

本文编号：307643