成像系统

相比于传统的迭代重建算法，基于优化的重建算法可以在稀疏角度条件下获得更优的重建结果。但是该类重建算法仍然存在着数据计算量大、耗时长等问题，这严重影响其在实际中的应用。充分利用算法中的并行性，通常可采用并行加速技术来提高计算效率。相比于传统同步并行计算策略，本文在异步并行计算框架下，针对最常用的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（Async-ADTVM）。并利用MPI技术将该算法在GPU集群上进行实现测试，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，该算法在可获得跟ADTVM算法相当的重建结果，同时在GPU性能存在差异条件下相比传统多GPU加速策略可获得更高的加速比。

路万里, 蔡爱龙, 郑治中, 王林元, 李磊, 闫镔. 基于TV最小化模型的异步并行GPU加速算法[J]. 光学学报, 2018, 38(4): 4.  复制并引用该论文