基于GPU的无透镜数字全息卷积重建算法的实现与优化

发布时间：2024-10-05 02:13

　　无透镜数字全息成像技术通过光电传感器记录下物光与参考光的干涉图样,利用计算机数值模拟再现光的衍射过程,从而得到含有被测物振幅信息和相位信息的重建图。该技术结构简单、成本低廉、成像视野大,在三维形态观测、微粒子分析与检测、全息防伪技术、生物医学工程等诸多领域都有广泛的应用。但在全息重建的过程中,由于数字全息重建算法复杂度较高,加上全息图像的分辨率在不断提升,使得重建的数据量随之剧增,所以在实际工程应用中该技术很难满足实时性的需求,即使有些研究者采用多核CPU的方式来实现加速,但由于内存资源和功耗的限制,使其加速效果并不明显。针对目前全息重建速度慢、难以满足实时应用需要的问题,本文提出了一种利用通用GPU技术来提高数字全息重建算法的执行效率的方案,将CPU的逻辑控制能力与GPU的并行运算能力相结合,对数字全息重建算法进行CPU+GPU的异构编程并行实现,从而在整体上提高全息重建的速度。具体通过对无透镜数字全息重建算法进行详细的阐述和推导,设计出了整个重建算法的执行流程,并在CPU上对重建算法进行了实现,验证了该算法在CPU上的执行效率比较低。通过对所实现的串行代码进行并行化分析。设计出重建算...

【文章页数】：114 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 无透镜数字全息的发展概述
        1.2.2 全息重建算法的研究现状
        1.2.3 GPU技术的发展历史与研究现状
    1.3 研究目的与意义
    1.4 研究内容与论文章节安排
2 无透镜数字全息成像技术的理论
    2.1 无透镜数字全息成像原理
        2.1.1 数字全息图的记录
        2.1.2 数字全息图的再现
    2.2 同轴与离轴数字全息的比较分析
        2.2.1 记录距离的比较分析
        2.2.2 CCD空间带宽利用率的比较分析
    2.3 无透镜数字全息重建算法
        2.3.1 常见的数字全息重建算法
        2.3.2 数字全息重建算法的比较与选择
    2.4 本章小结
3 GPU的并行架构和编程模型
    3.1 GPU的并行架构概述
        3.1.1 GPU并行计算的发展历程
        3.1.2 GPU并行计算的设计原则
        3.1.3 GPU并行架构的优势与局限
    3.2 GPU的编程模型
        3.2.1 常见的GPU编程模型概述
        3.2.2 OpenCL编程模型
        3.2.3 CUDA编程模型
        3.2.4 GPU编程模型的比较与选择
    3.3 本章小结
4 数字全息卷积重建算法在GPU上的实现与优化
    4.1 数字全息卷积重建算法在CPU上的实现
        4.1.1 卷积重建算法的理论概述
        4.1.2 卷积重建算法的设计流程
        4.1.3 卷积重建算法的编程实现
        4.1.4 代码的正确性测试
    4.2 数字全息卷积重建算法在GPU上的实现
        4.2.1 卷积重建算法的并行性分析
        4.2.2 卷积重建算法的并行化设计
        4.2.3 卷积重建算法的并行化实现
        4.2.4 代码的正确性测试
    4.3 数字全息卷积重建算法在GPU上的优化
        4.3.1 数据传输的优化
        4.3.2 线程规划的优化
    4.4 本章小结
5 算法的性能测试与结果分析
    5.1 性能测试的实验环境简介
        5.1.1 实验的硬件配置简介
        5.1.2 实验的软件平台简介
        5.1.3 实验环境的搭建
    5.2 不同实验环境下的测试对比
    5.3 不同实验环境下的性能分析
    5.4 本章小结
6 总结与展望
    6.1 论文总结
    6.2 工作展望
参考文献
附录
    A.作者在攻读硕士学位期间发表的论文目录
    B.作者在攻读硕士学位期间参加的科研项目及得奖情况
    C.学位论文数据集
致谢



本文编号：4007420