基于GPU的图像粒子拟合及分类算法研究及应用

基于GPU的图像粒子拟合及分类算法研究及应用

论文摘要

随着当代社会信息快速发展,每日在气象预报、计算生物学、商业风险计算、科学研究等领域产生海量的信息。基于x86体系结构的处理器由于元件的缩小和散热等工艺技术的限制,很难再有大的性能飞跃。为了应对海量数据问题,使用GPU来加速计算已成为一种趋势。在研究病毒中,为跟踪单点病毒粒子,会拍摄下大量的粒子图像。这些粒子的荧光图像在超显微镜下的亮度值呈点扩散函数形式。粒子的特征可以通过曲线拟合来得到。Levnberg-Marquardt算法是拟合曲线的一种稳定而快速的拟合方法。当拟合拍摄下的大量囊泡粒子图像时,这将是一个巨大的挑战。结合当前的GPU技术和拟合大量的粒子图像,本文基于CPU+GPU异构架构上做了如下贡献和工作:1,设计并实现了基于CPU+GPU架构的适用完整高斯函数、无角度高斯函数、圆形高斯函数等三种情形的GPU-GauseFitting并行程序。通过大量实验证明在拟合图像帧数大于1000的情况下,该GPU程序能够获得相对于串行程序CPU-GauseFitting 40倍以上的加速比。2,为了应对在拍摄中拍摄到两个囊泡的情况,对GPU-Gause Fitting进行可扩展性重构。扩展后的GPU-GauseFitting2程序更加具有普适性。通过大量实验证明在拟合图像帧数大于1000的情况下,该GPU程序能够获得相对于串行程序CPU-GauseFitting 60倍以上的加速比。3,设计并实现了基于CPU+GPU架构的并行朴素贝叶斯分类器(GPU-NBC)。使用该程序对拟合图像的结果数据进行分类,实验证明在数据量大于1000的情况下,结果显示能够获得相对于CPU-NBC 20倍左右的加速比。此外还使用本程序对来自UCI的10个以上的数据进行与CPU-NBC程序进行对比试验,获得了2-50倍的加速比。本文基于CPU+GPU异构架构实现的GPU-GauseFitting方法,能够快速的对图像数据进行拟合。同时GPU-NBC在数据分类中也能很好的起到加速作用。实验证明GPU不仅可用于高性能计算机中进行加速也适用于中小型实验室中的高性能计算。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题研究背景及意义
  • 1.2 高性能计算需求概述
  • 1.3 高性能计算现状
  • 1.4 论文主要贡献
  • 1.5 论文组织结构
  • 1.6 本章小结
  • 第二章 GPU多核计算模型
  • 2.1 Nvidia GPU发展简介
  • 2.2 CPU+GPU异构计算模型
  • 2.3 GPU硬件构架
  • 2.3.1 Nvidia显卡构造
  • 2.3.2 GPU芯片结构
  • 2.4 CUDA软件开发基础
  • 2.4.1 CUDA编程模型
  • 2.4.2 CUDA存储器模型
  • 2.4.3 CUDA共享与通信机制
  • 2.4.4 CUDA开发环境
  • 2.5 本章小结
  • 第三章 基于GPU单粒子点扩散函数拟合算法
  • 3.1 问题来源及背景知识
  • 3.2 单粒子点扩展函数描述
  • 3.3 经典Levenberg-Marquardt(LM)算法
  • 3.3.1 LM算法基本原理
  • 3.3.2 LM算法分析与实现
  • 3.4 基于GPU的LM-GaussFitting算法实现
  • 3.4.1 GPU-GaussFitting并行设计策略
  • 3.4.2 GPU-GaussFitting内核函数设计
  • 3.4.3 GPU-GaussFitting并行算法实现
  • 3.5 试验结果比较与分析
  • 3.5.1 数据集说明
  • 3.5.2 GPU-GaussFitting实验结果
  • 3.5.3 实验结果比较与分析
  • 3.6 本章小结
  • 第四章 基于GPU双粒子点扩散函数拟合算法
  • 4.1 问题来源及背景知识
  • 4.2 双粒子点扩展函数描述
  • 4.3 基于GPU的GaussFitting2算法实现
  • 4.3.1 GaussFitting2与GauseFitting的本质对比
  • 4.3.2 GPU-GauseFitting的可扩展性设计
  • 4.4 试验结果比较与分析
  • 4.4.1 数据集说明
  • 4.4.2 GPU-GaussFitting2实验结果
  • 4.4.3 实验结果比较与分析
  • 4.5 本章小结
  • 第五章 基于GPU的粒子分类算法
  • 5.1 问题来源
  • 5.2 经典Naive Bayes分类器(NBC)
  • 5.2.1 CPU-NBC基本原理
  • 5.2.2 CPU-NBC实现与分析
  • 5.3 基于GPU的NBC算法实现
  • 5.3.1 GPU-NBC并行设计策略
  • 5.3.2 GPU-NBC内核函数设计
  • 5.4 试验结果比较与分析
  • 5.4.1 数据集说明
  • 5.4.2 GPU-NBC实验结果
  • 5.4.3 实验结果比较与分析
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 致谢
  • 研究成果及发表的学术论文
  • 作者和导师简介
  • 参考文献
  • 硕士研究生学位论文答辩委员会决议书
  • 相关论文文献

    • [1].基于城市微观尺度的人口拟合研究与系统开发[J]. 地理空间信息 2020(03)
    • [2].既有高速公路纵断面线形的拟合技术[J]. 城市道桥与防洪 2009(06)
    • [3].优化牙釉质辐射剂量重建方法中的电子顺磁共振谱拟合程序[J]. 华西医学 2010(12)
    • [4].任务定价规律拟合分析模型[J]. 经贸实践 2018(13)
    • [5].高阶多段拟合椭圆齿轮的设计与研究[J]. 现代制造工程 2016(07)
    • [6].苏邮1号蛋鸭配套系产蛋曲线的拟合[J]. 安徽农业科学 2013(02)
    • [7].京港澳高速公路改扩建路线平面拟合方案及分析[J]. 中外公路 2012(05)
    • [8].八心圆弧拟合椭圆误差的理论解析及最优解[J]. 图学学报 2014(05)
    • [9].高阶拟合对磁滞损耗测定的精度影响[J]. 重庆文理学院学报(自然科学版) 2010(06)
    • [10].顾及系数矩阵误差的平面拟合新方法[J]. 测绘科学 2017(06)
    • [11].个人拟合指标在艾森克人格测验中的应用[J]. 中国临床心理学杂志 2011(03)
    • [12].基于傅里叶拟合的多种季节划分法及相似度量[J]. 湖南工程学院学报(自然科学版) 2020(03)
    • [13].扩容高速公路路线线型拟合设计分析[J]. 工程建设与设计 2019(10)
    • [14].代价敏感学习的过度拟合问题研究[J]. 广西大学学报(自然科学版) 2009(06)
    • [15].獭兔早期生长发育规律及生长曲线的拟合[J]. 中国养兔 2009(07)
    • [16].冲击测试中峰值拟合方式的比较与仿真[J]. 中国测试技术 2008(04)
    • [17].基于EGM2008的分区拟合在铁路高程中的应用研究[J]. 工程地球物理学报 2018(01)
    • [18].求解振荡哈密顿系统的相拟合辛PRK方法(英文)[J]. 南京大学学报(数学半年刊) 2012(02)
    • [19].双曲线法拟合高铁路基沉降研究[J]. 安全与环境学报 2014(04)
    • [20].抗差估计在拟合圆中的应用[J]. 黑龙江科技信息 2013(23)
    • [21].较大范围大地水准面拟合分析[J]. 北京测绘 2013(05)
    • [22].基于拉格朗日乘子法的空间圆弧拟合优化方法[J]. 工程设计学报 2018(06)
    • [23].北京谱仪物理分析中联合拟合的系统误差方法(英文)[J]. 南开大学学报(自然科学版) 2018(05)
    • [24].利用MATLAB软件对日照调水相关水库库容量拟合[J]. 数字技术与应用 2018(08)
    • [25].摩托车前减震器空气力的拟合及特性分析(2)[J]. 摩托车技术 2014(06)
    • [26].多相全谱拟合无标样定量相分析[J]. 物理测试 2011(S1)
    • [27].广东地区大风拟合的适用性研究[J]. 广东气象 2010(02)
    • [28].贵州煤炭行业战略拟合实证研究[J]. 商业时代 2010(23)
    • [29].基于区域与分区拟合似大地水准面方法研究[J]. 测绘地理信息 2020(02)
    • [30].国省道改扩建工程道路拟合设计的方法与探讨[J]. 广东土木与建筑 2019(07)

    标签:;  ;  ;  

    基于GPU的图像粒子拟合及分类算法研究及应用
    下载Doc文档

    猜你喜欢