1.一种基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,所述方法包括:S1,通过三维仿射变换处理三维的待配准特征点、模板特征点;
S2,利用所述S1获得的经过仿射变换矩阵处理的待配准特征点与模板特征点,并基于CUDA架构中cublas和cusolver中的函数,计算得到薄板样条形变参数矩阵;
S3,通过所述S2获得的薄板样条形变参数矩阵进行待配准三维图像坐标逆变换,并进行三线性插值。
2.根据权利要求1所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,所述S1,通过三维仿射变换处理三维的待配准特征点、模板特征点,包括:获取输入的N组待配准特征点和模板特征点,对N组待配准特征点和模板特征点进行归一化;
根据仿射变换公式,计算得到仿射变换矩阵;
将仿射变换矩阵反归一化,得到最终仿射变换矩阵,再将N组待配准特征点与最终仿射变换矩阵相乘,得到经过仿射变换处理的N组待配准特征点;
其中,仿射变换公式如下:
3.根据权利要求2所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,所述S2,利用所述S1获得的经过仿射变换矩阵处理的待配准特征点与模板特征点,并基于CUDA架构中cublas和cusolver中的函数,计算得到薄板样条形变参数矩阵,包括:S21,根据三维薄板样条变换的插值函数,构造计算薄板样条形变参数矩阵所需要的过程矩阵;所述插值函数公式如下:其中,U为基函数,其定义如下:
利用经过仿射变换矩阵处理的待配准特征点和模板特征点,构造过程矩阵R、P、Y、L:其中,R矩阵存放的是N组特征点的基函数值,其尺寸为N×N,P矩阵第一列全为1,后三列存放N组模板特征点,其尺寸为N×4,L矩阵由R矩阵、P矩阵和P转置矩阵拼接而成,其余位置为0,其尺寸为(N+4)×(N+4),Y矩阵前N行存放经过仿射变换矩阵处理的待配准特征点,最后4行全为0,其尺寸为(N+4)×3;
‑1
S22,基于CUDA的cublas库和cusolver库中的函数对L矩阵求其伪逆得到伪逆矩阵L ;
‑1
S23,根据所述S22所得到的伪逆矩阵L ,以及Y矩阵,构造薄板样条形变参数矩阵W,其公式如下:‑
最后,将伪逆矩阵L与Y矩阵相乘得到W矩阵,其大小为(N+4)×3。
4.根据权利要求3所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,S22,所述基于CUDA的cublas库和cusolver库中的函数对L矩阵求其伪逆得‑1到伪逆矩阵L ,包括:
S221,基于CUDA的cusolver库中的SVD分解函数对L矩阵进行SVD分解,并得到U矩阵、ST矩阵和V矩阵,其表达式如下:
T
L=USV
T
其中,因为L矩阵大小为(N+4)×(N+4),所以U矩阵和V 矩阵为(N+4)×(N+4)的正交矩阵,S矩阵为(N+4)×(N+4)的对角矩阵;
S222,将L矩阵转化为一维数组存放,并从CPU传入到GPU中,最后传入到cusolver库中T的SVD分解函数,最后得到U矩阵、S矩阵中对角线上的值和V 矩阵,并将值从GPU中拿出到CPU中;
S223,由于cusolver库中的SVD分解函数得出的S矩阵值只有其对角线上的值,故对其进行填充,将其填充为(N+4)×(N+4)的对角矩阵;
T
S224,由于cusolver库中的SVD分解函数得出的是U矩阵,故对U矩阵进行转置并得到U矩阵,其大小为(N+4)×(N+4);
T T
S225,由于cusolver库中的SVD分解函数得出的是V矩阵,故对V矩阵进行转置并得到V矩阵,其大小为(N+4)×(N+4);
S226,对尺寸为(N+4)×(N+4)的对角矩阵S矩阵利用基于CUDA中的cusolver库中的函‑1数得到S的逆矩阵S ;
S227,根据SVD法求伪逆的方法求L矩阵的伪逆,其公式如下:‑1 ‑1 T
L =VS U
‑1 T
其中,V矩阵,S 矩阵和U 矩阵均已在之前步骤中得出,最后利用基于CUDA中的cublas‑1库中的函数对三个矩阵相乘进行加速运算,并最终得到L矩阵的伪逆矩阵L ,其大小为(N+
4)×(N+4)。
5.根据权利要求1或4所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,所述S3,通过所述S2获得的薄板样条形变参数矩阵进行待配准三维图像坐标逆变换,并进行三线性插值,包括:S31,使用CUDA完成对三维待配准图像体素的三维串行遍历转化为一维串行遍历与并行遍历组合的方式;
S32,将三维模板图像数据、形变参数矩阵W、模板特征点传入GPU中,通过上步所构造的CUDA核函数,在所申请的GPU线程中,通过利用薄板样条形变参数矩阵,对三维待配准图像中的体素坐标进行逆变换,具体公式如下:将三维待配准图像中的体素坐标与步骤23中所得到的薄板样条形变参数矩阵W相乘,得到与之对应的模板配准图像中的体素坐标;
S33,根据上步所得到的三维体素坐标,利用三线性插值法对相应的三维待配准图像进行插值,其公式如下:对于一个点(x,y,z),x0表示离x最近的前一个点,x1表示离x最近的后一个点,对于y0,y1,z0,z1,同理,xd,yd,zd,代表对应的权值;
对X轴方向进行插值,公式如下:
其中,V[x0,y0,z0]表示三维模板图像中体素的值;
再对Y轴方向进行插值,公式如下:
沿着Z轴方向进行插值,公式如下:
c=c0(1‑zd)+c1zd
最后,c就是三维待配准图像中的一个体素的值,并通过GPU并行架构,利用一维串行遍历与并行遍历组合的方式,计算出三维待配准图像中每一个体素的值,从而完成对三维待配准图像的线性插值。
6.根据权利要求5所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法,其特征在于,所述S31,使用CUDA完成对三维待配准图像体素的三维串行遍历转化为一维串行遍历与并行遍历组合的方式,包括:利用CUDA的并行设计架构,将三维待配准图像前两维的串行循环放入GPU中简化为一维并行处理:首先,对CUDA核函数分配Nz×NY个线程,其中Nz指的是三维待配准图像Z轴大小,中NY指的是三维待配准图像Y轴大小,再将核函数中的blockDim固定设置为二维block,尺寸为32*
32;
每个线程对应有唯一的行号和列好,其行号范围为0到Nz,其列号范围为0到NY,与三维图像数据的Z、Y轴大小相对应;
再将CUDA核函数放入大小为0到Nx的循环中,其中Nx指的是三维待配准图像的X轴大小;
最后,每个线程所处理的是三维待配准图像每个体素的工作,假设此时为第k层循环,线程号(m,n)的线程处理的就是三维体素中X轴坐标为k,Y轴坐标为n,Z轴坐标为m所对应的体素,即每一个线程号对应三维待配准图像中的一个体素。
7.一种电子装置,所述电子装置包括:一个或多个处理器,存储器,所述存储器用于存储一个或多个计算机程序;其特征在于,所述计算机程序被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1‑6任一项所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法步骤。
8.一种存储介质,所述存储介质存储有计算机程序;其特征在于,所述程序由处理器加载并执行以实现如权利要求1‑6任一项所述的基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法步骤。