基于总变分最小化模型的异步并行GPU加速算法

摘要：

相比于传统同步并行计算策略,在异步并行计算框架下,针对最常用的总变分(TV)最小化重建模型,通过将其转化为不动点迭代问题,并利用异步交替方向法(ADM)进行求解,推导出基于TV最小化模型的异步ADM迭代重建算法,即异步交替方向总变分最小化算法(Async-ADTVM).利用消息传递接口技术将该算法在图形处理器(GPU)集群上进行测试,进一步提高了原始基于TV最小化模型的迭代重建算法的计算效率.实验表明,该算法在计算求解精度上略优于ADTVM算法,同时在GPU性能存在差异的条件下相比传统多GPU加速策略可获得更高的加速比.

关键词：成像系统、优化类重建算法、异步并行迭代、总变分最小化模型、多图形处理器加速

所属期刊栏目：38

分类号：TP391;O434.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2018-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：153-160