全息三维成像中位相信息提取的并行算法研究

摘要

微纳结构数字化三维成像技术是一项最新的全息三维成像技术，它打破了传统的束缚，不需要借助其他的眼镜或头部感应器，就能产生真实的3D图像。而位相结构的提取是此技术中的关键步骤。由于该过程涉及的分块处理与迭代计算非常耗时，传统的串行处理一组9幅大小为1500×3300像素的分视角视图需要十几个小时，很难投入工业生产。
　　CUDA利用GPU在物理结构上高度并行的特性，在处理迭代傅立叶变换这类计算高度数据并行任务时，能够大幅提升计算性能。由于量化与储存操作涉及大量的逻辑判断，使得GPU短缺的缓存和控制单元无法适用于这种场合，因此本文在重点研究CUDA的基础上，深入剖析了OpenMP的并行编程标准及其优化技术。
　　论文提出了一种通过CUDA和OpenMP技术相结合的模型：在高层利用OpenMP技术对低层的CUDA结构进行有效支持。通过对位相信息提取过程的深度分析，获取整个过程的热点（即最耗时的代码片段），并借助本文提出的双层加速模型进行并行优化，使其耗时更短。为了验证双层加速模型的可行性，本文与现有的串行算法进行了多方面的比较。
　　实验表明，本文的方法能够取得一个可观结果，并行的处理效率比串行处理提高了200倍，而且在处理精度上也得到了提高。对一组9幅大小为1500×3300像素的分视角视图处理的时间缩短至5分钟以内，极大的提高了位相信息提取的效率，使其能够充分的应用于三维成像技术，从而使其更加接近于工业生产的要求。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

第二章 微纳结构的提取

第三章 双层加速模型的建立

第四章 基于双层模型的位相息提取优化实现

第五章 总结与展望

参考文献

未标题

致谢