基于GPU的自動3D分割技術的研究

【摘 要】在現代社會發展中，圖像處理技術以人為對象，改善人們視覺感官為目的，為生物醫學、工業、 通信及文化藝術等領域，提供了科學依據，因此，關于圖像處理和分析技術一直都是國內外學者研究的焦點，鑒于此本文對基于GPU的自動3D分割技術進行深入研究，試圖為之提供行之有效的可行性建議。

【關鍵詞】GPU；圖像分割；3D技術

近年來，圖形處理器（Graphics Processing Unit，GPU）在各領域中的應用越來越廣泛，從最初簡單的圖形處理功能，發展到現在已經發展到現在可以進行編程計算。針對GPU高級編程語言，可以對其進行編程控制從而帶來更加方便快捷的用戶體驗，并應用在渲染之外的通用計算方法。與中央處理器（（CentralproeessingUni，CPU）的計算模式不同，GPU是一種高度并行的流處理器，浮點計算能力更強，在信號模擬以及分析等許多領域，具有非常優越的實用性，可以通過編程在GPU中進行分析計算，尤其可以解決三維圖像處理中的難題，而且提高算法的執行效率也是一個十分有應用價值的研究內容，下面就對基于GPU的自動3D分割技術的應用進行深入研究。

一、GPU的結構特點

圖形處理器（Graphics Processing Unit，GPU）是利用計算機軟件對系統信息進行轉換驅動，然后向顯示器提供行掃描信號并進行正確顯示，可以說GPU 是實現“人機對話”的核心環節。顯卡作為電腦主機里的一個重要組成部分，承擔輸出顯示圖形的任務，對于從事專業圖形設計的人來說顯卡非常重要。GPU的微架構是面向適合于矩陣類型的數值計算而設計的，其內部擁有大量重復設計的計算單元，這些計算單元可以分成眾多獨立的數值計算，即大量數值運算的線程，而且數據之間沒有像程序執行的那種邏輯關聯性。

利用GPU做通用計算的主要目的是為了提升運算速度，在并行性方面，GPU中有1～30個流多重處理器，可在多個流多重處理器間進行粗粒度的任務級或數據級并行，或在流多重處理器內部進行細粒度數據并行。相對于計算機集群，GPU為很多應用提供了一個十分廉價的并行方案，特別是對于圖形本身的應用而言。在高密集的運算方面，GPU有多個存儲器控制單元，如GIX28O就有8個，每個控制器控制兩個位寬32bit的顯存，使總的存儲器位寬達到512bit，更適合于大塊數據傳輸。GPU緩存主要功能是用于過濾對存儲器的請求，減少對顯存的訪問，這些優勢使得它比CPU更適合于流處理計算，處理邏輯分支簡單的大規模數據并行任務，使應用得到加速。

二、基于GPU的自動3D分割技術的應用

圖像分割技術是圖像處理和分析的關鍵技術之一，本文研究的基于GPU的自動3D分割技術，就是將原始的3D圖像劃分成不同性質的區域，然后再將目標圖像提取并顯示出來。在各領域中，3D分割技術的應用十分廣泛，以醫學領域為例：在臨床診斷、患者的病理分析以及后期治療過程中都有涉及。

臨床醫療使用的圖像本質上都是模糊的，這些圖像的紋理、灰度以及區域邊界給圖像分割技術造成了極大的困擾。近年來，Graph Cuts 算法框架得到了普遍的關注，其應用領域包括圖像復原、多目視覺、圖像分割等計算機視覺研究的各個方面。基于 Graph Cuts 的圖像分割算法，可以求出全局最優解，可以輕易的從二維擴展到三維甚至更高維的圖像分割上，因而具有良好的效果和廣闊的應用前景。

在基于GPU的自動3D分割技術的研究中，主要針對非剛性圖像配準，而且采用正則化梯度流的方法，使得兩幅圖像之間的能量函數沿著規則化梯度方向遞減至最小值，達到配準目的。該方法沒有采用循環搜索策略，而是通過在GPU中求解變分偏微分方程，以數據流的形式進行并行處理。利用GPU對三維數據進行投影，并通過投影數據之間的相似度求解配準參數。隨著圖形硬件在性能和可編程性等方面的改進，使得圖像配準算法在GPU中的實現變得更加方便和快捷，根據GPU的新特性本文提出了新加速策略，實現快速基于互信息的三維醫學圖像剛性配準算法。

本文研究的基于GPU的自動3D分割技術包括較多的判斷語句以及各搜索方向之間的相互承接，屬于計算量小但控制復雜的運行模式，采用普通的CPU編程模式比較容易實現。以空間變換參數為變量的互信息計算在優化搜索過程中需要反復執行數百次甚至更多才能完成一次配準過程，因此提高互信息值的計算速度將能從根本上縮短圖像配準時間。互信息的計算過程可以分為兩個步驟，第一步執行3D空間變換和三線性插值，第二步計算兩幅圖像之間的聯合直方圖，并由聯合直方圖計算聯合墑、邊緣墑，進而得到互信息值。這些理論研究成果，經過實踐測試后，有著非常顯著的圖像處理效果，因此基于GPU的自動3D分割技術將是未來醫院圖像處理領域主要的研究方向。

結論

綜上所述，利用目前GPU的可編程能力以及高強度并行計算能力，在進行圖像分割過程中有非常顯著的效果。隨著科學技術的發展，超級計算機、地震勘探、醫療設備等產生了大量的三維體數據，有效的數據分析已經成為迫切需要解決的問題。在過去的十年中可視化技術始終是科學研究的一個熱點。體繪制可視化技術可以基于體素顯示具有半透明效果的真實三維物體，目前，已經逐漸成為主要的體數據分析手段。然而要獲得體數據中隱藏的重要信息，除了能夠產生高質量的繪制圖像，體繪制技術還必須具有很好的交互性能。因此，高質量的體繪制技術和高性能的交互分析工具的研究對科學計算和醫學研究等眾多領域具有重要意義。

作者簡介：鄧惠俊（1978-），女，安徽無為縣人，萬博科技職業學院講師，碩士，研究方向：計算機輔助設計， 計算機可視化，網絡安全。

參考文獻：

[1]歐陽鵬.可重構視覺處理器關鍵技術研究及VLSI實現[D].清華大學，2014.

[2]甘新標，沈立，王志英.基于CUDA的并行全搜索運動估計算法[J].計算機輔助設計與圖形學學報.2010（03）.