论文部分内容阅读
基于生物特征的身份认证是当今社会保障信息安全与人身安全的重要手段,但是传统表皮指纹模态单一,防伪能力弱,而通过光学相干层析成像技术(Optical Coherence Tomography,OCT)采集的指尖皮下组织具有很强的唯一性和防伪能力,但是OCT数据复杂且吞吐量极大,难以实时处理,这也会影响到后续的实时三维可视化,不能在完成数据采集后,立刻观察到指尖皮下组织的结构特征。OCT数据处理的过程中,如果采用CPU运算,将大大消耗CPU(Central Processing Unit,中央处理器)的资源,降低系统的处理速度。GPU(Graphic Processing Unit,图形处理器)的出现解决了这一问题,著名的显卡公司NVIDIA为其主流显卡产品设计了专门的GPU并行计算工具包,称之为CUDA(Compute Unified Device Architecture,统一计算架构),利用CUDA技术,可以控制显卡内部成百上千个内处理器作为线程处理器去解决密集的数据计算问题。本文设计了基于GPU的OCT数据处理并行实现代码,对数据处理过程进行加速。为了对OCT采集的数据做进一步的分析,本文对处理后的数据做三维可视化,清晰显示指尖皮下组织的形状特征和空间分布。三维可视化算法中,光线投射算法是比较经典的算法,但是当采样步长很小时,它的计算量很大、绘制速度慢、难以实时绘制出三维图像。本文从采样步长上对光线投射算法做改进,既保证了绘制质量又提升了绘制帧率。论文的主要工作和成果归纳如下:(1)以图形处理器NVIDIA GeForce GTX 1050 Ti为计算单元,将GPU统一计算架构(CUDA)应用到OCT数据处理过程中,并分析OCT数据处理算法的可并行性,设计OCT数据处理的并行代码,实现数据处理的并行化,通过测试CPU和GPU平台下OCT数据处理的速度,证明GPU在OCT数据处理上显著的加速作用。(2)将处理后的数据保存成三维体数据格式,用于三维可视化,比较三维可视化算法中常见的面绘制和体绘制算法下OCT指尖数据的可视化效果,并选择绘制质量最高的光线投射算法。(3)光线投射算法对于OCT指尖数据具有很好的绘制效果,但是采样步长很小时计算量庞大,难以实时重建,这时利用Catmull-Rom曲线在真实采样点间插值求虚采样点,不仅提高了采样率,还减小了光线投射算法复杂度,进而提升了绘制速度。通过比较不同采样步长下,指尖皮下组织的绘制帧率,证明改进光线投射算法在保证绘制质量的同时提升了绘制帧率。最后对比真假指纹三维可视化效果的不同,证明OCT在指纹防伪上的广阔应用前景。