發(fā)布時(shí)間：2024-10-05 02:13

　　無(wú)透鏡數(shù)字全息成像技術(shù)通過(guò)光電傳感器記錄下物光與參考光的干涉圖樣,利用計(jì)算機(jī)數(shù)值模擬再現(xiàn)光的衍射過(guò)程,從而得到含有被測(cè)物振幅信息和相位信息的重建圖。該技術(shù)結(jié)構(gòu)簡(jiǎn)單、成本低廉、成像視野大,在三維形態(tài)觀測(cè)、微粒子分析與檢測(cè)、全息防偽技術(shù)、生物醫(yī)學(xué)工程等諸多領(lǐng)域都有廣泛的應(yīng)用。但在全息重建的過(guò)程中,由于數(shù)字全息重建算法復(fù)雜度較高,加上全息圖像的分辨率在不斷提升,使得重建的數(shù)據(jù)量隨之劇增,所以在實(shí)際工程應(yīng)用中該技術(shù)很難滿足實(shí)時(shí)性的需求,即使有些研究者采用多核CPU的方式來(lái)實(shí)現(xiàn)加速,但由于內(nèi)存資源和功耗的限制,使其加速效果并不明顯。針對(duì)目前全息重建速度慢、難以滿足實(shí)時(shí)應(yīng)用需要的問(wèn)題,本文提出了一種利用通用GPU技術(shù)來(lái)提高數(shù)字全息重建算法的執(zhí)行效率的方案,將CPU的邏輯控制能力與GPU的并行運(yùn)算能力相結(jié)合,對(duì)數(shù)字全息重建算法進(jìn)行CPU+GPU的異構(gòu)編程并行實(shí)現(xiàn),從而在整體上提高全息重建的速度。具體通過(guò)對(duì)無(wú)透鏡數(shù)字全息重建算法進(jìn)行詳細(xì)的闡述和推導(dǎo),設(shè)計(jì)出了整個(gè)重建算法的執(zhí)行流程,并在CPU上對(duì)重建算法進(jìn)行了實(shí)現(xiàn),驗(yàn)證了該算法在CPU上的執(zhí)行效率比較低。通過(guò)對(duì)所實(shí)現(xiàn)的串行代碼進(jìn)行并行化分析。設(shè)計(jì)出重建算...

【文章頁(yè)數(shù)】：114 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無(wú)透鏡數(shù)字全息的發(fā)展概述
        1.2.2 全息重建算法的研究現(xiàn)狀
        1.2.3 GPU技術(shù)的發(fā)展歷史與研究現(xiàn)狀
    1.3 研究目的與意義
    1.4 研究?jī)?nèi)容與論文章節(jié)安排
2 無(wú)透鏡數(shù)字全息成像技術(shù)的理論
    2.1 無(wú)透鏡數(shù)字全息成像原理
        2.1.1 數(shù)字全息圖的記錄
        2.1.2 數(shù)字全息圖的再現(xiàn)
    2.2 同軸與離軸數(shù)字全息的比較分析
        2.2.1 記錄距離的比較分析
        2.2.2 CCD空間帶寬利用率的比較分析
    2.3 無(wú)透鏡數(shù)字全息重建算法
        2.3.1 常見(jiàn)的數(shù)字全息重建算法
        2.3.2 數(shù)字全息重建算法的比較與選擇
    2.4 本章小結(jié)
3 GPU的并行架構(gòu)和編程模型
    3.1 GPU的并行架構(gòu)概述
        3.1.1 GPU并行計(jì)算的發(fā)展歷程
        3.1.2 GPU并行計(jì)算的設(shè)計(jì)原則
        3.1.3 GPU并行架構(gòu)的優(yōu)勢(shì)與局限
    3.2 GPU的編程模型
        3.2.1 常見(jiàn)的GPU編程模型概述
        3.2.2 OpenCL編程模型
        3.2.3 CUDA編程模型
        3.2.4 GPU編程模型的比較與選擇
    3.3 本章小結(jié)
4 數(shù)字全息卷積重建算法在GPU上的實(shí)現(xiàn)與優(yōu)化
    4.1 數(shù)字全息卷積重建算法在CPU上的實(shí)現(xiàn)
        4.1.1 卷積重建算法的理論概述
        4.1.2 卷積重建算法的設(shè)計(jì)流程
        4.1.3 卷積重建算法的編程實(shí)現(xiàn)
        4.1.4 代碼的正確性測(cè)試
    4.2 數(shù)字全息卷積重建算法在GPU上的實(shí)現(xiàn)
        4.2.1 卷積重建算法的并行性分析
        4.2.2 卷積重建算法的并行化設(shè)計(jì)
        4.2.3 卷積重建算法的并行化實(shí)現(xiàn)
        4.2.4 代碼的正確性測(cè)試
    4.3 數(shù)字全息卷積重建算法在GPU上的優(yōu)化
        4.3.1 數(shù)據(jù)傳輸?shù)膬?yōu)化
        4.3.2 線程規(guī)劃的優(yōu)化
    4.4 本章小結(jié)
5 算法的性能測(cè)試與結(jié)果分析
    5.1 性能測(cè)試的實(shí)驗(yàn)環(huán)境簡(jiǎn)介
        5.1.1 實(shí)驗(yàn)的硬件配置簡(jiǎn)介
        5.1.2 實(shí)驗(yàn)的軟件平臺(tái)簡(jiǎn)介
        5.1.3 實(shí)驗(yàn)環(huán)境的搭建
    5.2 不同實(shí)驗(yàn)環(huán)境下的測(cè)試對(duì)比
    5.3 不同實(shí)驗(yàn)環(huán)境下的性能分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
附錄
    A.作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀碩士學(xué)位期間參加的科研項(xiàng)目及得獎(jiǎng)情況
    C.學(xué)位論文數(shù)據(jù)集
致謝



本文編號(hào)：4007420