[論文レビュー] GPU Accelerated Fractal Image Compression for Medical Imaging in Parallel Computing Platform

Md. Enamul Haque, Abdullah Al Kaisan+2 more|arXiv (Cornell University)|Apr 3, 2014

Medical Imaging Techniques and Applications被引用数 9

ひとこと要約

本論文では、医療画像の分形画像圧縮における計算負荷の高い符号化段階を顕著に短縮するために、CUDAを用いたGPUアクセラレーションを活用した分形画像圧縮フレームワークを提案する。ドメイン探索と最小二乗最適化をGPUスレッド上で並列化することで、CPU実装と比較して最大1,066倍の高速化を達成したが、圧縮レートは40%以上を維持しており、高解像度の医療画像の効率的保存とスケーラブルな復元が可能になった。

ABSTRACT

In this paper, we implemented both sequential and parallel version of fractal image compression algorithms using CUDA (Compute Unified Device Architecture) programming model for parallelizing the program in Graphics Processing Unit for medical images, as they are highly similar within the image itself. There are several improvement in the implementation of the algorithm as well. Fractal image compression is based on the self similarity of an image, meaning an image having similarity in majority of the regions. We take this opportunity to implement the compression algorithm and monitor the effect of it using both parallel and sequential implementation. Fractal compression has the property of high compression rate and the dimensionless scheme. Compression scheme for fractal image is of two kind, one is encoding and another is decoding. Encoding is very much computational expensive. On the other hand decoding is less computational. The application of fractal compression to medical images would allow obtaining much higher compression ratios. While the fractal magnification an inseparable feature of the fractal compression would be very useful in presenting the reconstructed image in a highly readable form. However, like all irreversible methods, the fractal compression is connected with the problem of information loss, which is especially troublesome in the medical imaging. A very time consuming encoding pro- cess, which can last even several hours, is another bothersome drawback of the fractal compression.

研究の動機と目的

• 医療画像応用における分形画像圧縮の著しく長い符号化時間を是正すること。
• CUDAを用いたGPU並列処理を活用し、分形圧縮の計算コストの高い符号化段階を高速化すること。
• 異なる画像サイズおよびブロック寸法におけるグローバルメモリおよびテクスチャメモリの性能向上を評価すること。
• 診断用品質の医療画像保存に適した高圧縮レートと最小限の品質損失を実現することの可能性を示すこと。
• 画像類似度検出を用いた交通監視システムなど、リアルタイムシステムへの将来的な応用を検討すること。

提案手法

• 各レンジブロックをGPUスレッドにマッピングすることで、ライト競合を回避する並列分形符号化アルゴリズムを実装した。
• 残差誤差を最小化するため、ドメインブロックとレンジブロック間の最良のアフィン変換を求めるために最小二乗最適化を採用した。
• 符号化中に、ドメインブロック間の類似性を探索するために8種類の変換（回転、反転、スケーリング）を用いた。
• レンジブロックおよびドメインブロックのロードに、グローバルメモリとテクスチャメモリの両方をテストすることでメモリアクセスを最適化した。
• 実行時間とパフォーマンスをベンチマークした結果、8×8、16×16、32×32の設定を比較し、16×16ブロックサイズを最適と判断した。
• 符号化（並列処理が容易）と復元（軽量）の2段階で圧縮方式を適用し、スケーラブルな画像再構築を可能にした。

実験結果

リサーチクエスチョン

• RQ1 CUDAによるGPUアクセラレーションは、医療画像の分形画像圧縮の符号化時間を実用的な水準まで短縮できるか？
• RQ2 ブロックサイズ（8×8、16×16、32×32）の選択が、GPU並列分形符号化のパフォーマンスおよび圧縮効率にどのように影響するか？
• RQ3 GPU実装において、テクスチャメモリを用いる場合とグローバルメモリを用いる場合の相対的なパフォーマンス向上はどの程度か？
• RQ4 分形圧縮は、医療画像分野において、診断用品質を保持しつつ、高い圧縮レート（例：40%以上）を維持できるか？
• RQ5 並列処理が施された分形圧縮フレームワークは、画像類似度検出を用いたリアルタイム交通監視システムなど、他の分野へ応用可能か？

主な発見

• 256×256画像において、GPU実装はCPU実装と比較して最大1,066.52倍の高速化を達成し、実行時間は247.432 msから0.232 msに低下した。
• 1024×1024画像では、GPUが符号化時間を39,276.5 msから45.407 msに短縮し、864.99倍の高速化を達成した。
• 16×16ブロックサイズは、すべてのテスト対象画像サイズで最良のパフォーマンスを示し、8×8および32×32の設定を上回った。
• 全テスト画像サイズにおいて圧縮レートが40%を超えたが、元画像解像度の4倍にまで復元した場合、最大85%の圧縮が可能であった。
• 結果セクションの比較グラフから確認されたように、テクスチャメモリはグローバルメモリよりも実行時間において優れたパフォーマンスを示した。
• フレームワークは、細かいディテールを保持したまま、元解像度を必要としない分形拡大を用いて、高品質かつスケーラブルな画像再構築を成功させた。