[논문 리뷰] GPU Accelerated Fractal Image Compression for Medical Imaging in Parallel Computing Platform

Md. Enamul Haque, Abdullah Al Kaisan외 2명|arXiv (Cornell University)|2014. 04. 03.

Medical Imaging Techniques and Applications인용 수 9

한 줄 요약

이 논문은 의료 영상의 프랙탈 압축에서 계산 비용이 매우 높은 인코딩 단계를 크게 줄이기 위해 CUDA를 사용한 GPU 가속 프랙탈 이미지 압축 프레임워크를 제안한다. GPU 스레드를 통해 도메인 검색과 최소 제곱 최적화를 병렬 처리함으로써, 압축 비율이 40% 이상 유지되면서도 CPU 대비 최대 1,066배의 속도 향상을 달성하여 고해상도 의료 영상의 효율적 저장과 확장 가능한 디코딩을 가능하게 한다.

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.

연구 동기 및 목표

• 의료 영상 응용 분야에서 프랙탈 이미지 압축의 금방이 되는 장기적인 인코딩 시간을 해결하기 위해.
• CUDA를 통한 GPU 병렬 처리를 활용하여 프랙탈 압축의 계산 비용이 높은 인코딩 단계를 가속화하기 위해.
• 다양한 이미지 크기와 블록 치수에서 글로벌 메모리 및 텍스처 메모리의 성능 향상을 평가하기 위해.
• 진단 수준의 의료 영상 저장을 위해 고압축 비율을 유지하면서 품질 손실를 최소화할 수 있는 가능성을 입증하기 위해.
• 이미지 유사도 검출을 활용한 실시간 시스템, 예를 들어 교통 모니터링 시스템 등 향후 응용 가능성을 탐색하기 위해.

제안 방법

• 각 레인지 블록을 GPU 스레드에 매핑하여 쓰기 충돌을 방지하고, 병렬 프랙탈 인코딩 알고리즘을 CUDA를 사용해 구현하였다.
• 잔차 오차를 최소화하기 위해 최소 제곱 최적화를 사용하여 도메인 블록과 레인지 블록 간의 최적의 애핀 변환을 계산하였다.
• 인코딩 중 도메인 블록 간 유사성을 탐색하기 위해 8개의 변환(회전, 반사, 스케일링)을 적용하였다.
• 레인지 및 도메인 블록 로딩을 위한 글로벌 메모리와 텍스처 메모리의 성능을 비교하여 메모리 접근을 최적화하였다.
• 실행 시간과 성능를 고려해 8×8, 16×16, 32×32 설정을 벤치마킹한 결과, 16×16 블록 크기를 최적의 것으로 선정하였다.
• 압축 프로세스를 두 단계로 나누어 인코딩(매우 병렬 처리 가능)과 디코딩(경량)을 수행함으로써 확장 가능한 이미지 재구성 구현을 가능하게 하였다.

실험 결과

연구 질문

• RQ1 CUDA를 통한 GPU 가속이 의료 영상 프랙탈 압축의 인코딩 시간을 실용적인 수준으로 줄일 수 있는가?
• RQ2 블록 크기 선택(8×8, 16×16, 32×32)이 GPU 병렬 프랙탈 인코딩의 성능과 압축 효율성에 어떤 영향을 미치는가?
• RQ3 GPU 구현에서 텍스처 메모리 사용이 글로벌 메모리 대비 상대적인 성능 향상은 어느 정도인가?
• RQ4 프랙탈 압축이 의료 영상에서 진단 품질을 유지하면서도 고압축 비율(예: >40%)을 유지할 수 있는 정도는 어느 정도인가?
• RQ5 병렬화된 프랙탈 압축 프레임워크는 실시간 교통 모니터링 시스템과 같은 다른 분야로 확장 가능한가?

주요 결과

• 256×256 이미지에 대해 GPU 구현이 CPU 대비 최대 1,066.52배의 속도 향상을 달성했으며, 실행 시간은 247.432 ms에서 0.232 ms로 감소하였다.
• 1024×1024 이미지에 대해 GPU는 인코딩 시간을 39,276.5 ms에서 45.407 ms로 줄여 864.99배의 속도 향상을 달성하였다.
• 모든 테스트된 이미지 크기에서 16×16 블록 크기가 가장 우수한 성능을 보였으며, 8×8 및 32×32 설정보다 뛰어났다.
• 모든 테스트된 이미지 크기에서 압축 비율이 40%를 초과했으며, 원본 해상도의 4배로 복원할 경우 최대 85%까지 압축 비율을 확보할 수 있었다.
• 실행 시간 측면에서 텍스처 메모리가 글로벌 메모리보다 뛰어난 성능을 보였으며, 결과 섹션의 비교 그래프로 확인되었다.
• 프랙탈 확대를 통해 고해상도, 확장 가능한 이미지 재구성을 성공적으로 구현하였으며, 원본 해상도를 요구하지 않음에도 불구하고 세밀한 디테일을 유지하였다.