FL-MISR: fast large-scale multi-image super-resolution for computed tomography based on multi-GPU acceleration

Abstract

Multi-image super-resolution (MISR) usually outperforms single-image super-resolution (SISR) under a proper inter-image alignment by explicitly exploiting the inter-image correlation. However, the large computational demand encumbers the deployment of MISR in practice. In this work, we propose a distributed optimization framework based on data parallelism for fast large-scale MISR using multi-GPU acceleration named FL-MISR. The scaled conjugate gradient (SCG) algorithm is applied to the distributed subfunctions and the local SCG variables are communicated to synchronize the convergence rate over multi-GPU systems towards a consistent convergence. Furthermore, an inner-outer border exchange scheme is performed to obviate the border effect between neighboring GPUs. The proposed FL-MISR is applied to the computed tomography (CT) system by super-resolving the projections acquired by subpixel detector shift. The SR reconstruction is performed on the fly during the CT acquisition such that no additional computation time is introduced. FL-MISR is extensively evaluated from different aspects and experimental results demonstrate that FL-MISR effectively improves the spatial resolution of CT systems in modulation transfer function (MTF) and visual perception. Comparing to a multi-core CPU implementation, FL-MISR achieves a more than 50$$\times$$ × speedup on an off-the-shelf 4-GPU system.

A GPU-accelerated light-field super-resolution framework based on mixed noise model and weighted regularization

“…Through the realization of transformation matrices with linear functions, which are effectively realized in the form of GPU kernel execution, the proposed approach alleviates the resource shortage of sparse matrix implementation. As shown in the experimental result, the proposed approach can super-resolve large size images (i.e., up to 5760×5760) within a single GPU as compared to 4 GPUs used in the related work [17]. In Sec.…”

Fertigungstoleranzen von Betonfertigteilen für die modulare Bauweise

“…Diese Toleranzen überlagern sich mit der Art der Vermessung des zu fertigenden Bauteils. Einfache Messtechniken wie Zollstock oder Stahlmaßband werden dabei mit höheren Ungenauigkeiten, die sich mit steigender Bauteilgeometrie vergrößern, angesetzt, während (semi)automatisierte Vermessungen mittels Distanzlasermessgerät [24], optischen 3D‐Scannern [25–27] oder durchleuchtende Verfahren mittels Computertomographie (CT) [28, 29] höhere Genauigkeiten besitzen. Hochpräzise Vermessungen sind jedoch in der Regel auf kleinformatige Module im Dezimeterbereich anwendbar und variieren zusätzlich mit der Größe des Messvolumens.…”

“…Hochpräzise Vermessungen sind jedoch in der Regel auf kleinformatige Module im Dezimeterbereich anwendbar und variieren zusätzlich mit der Größe des Messvolumens. Insbesondere aufwendige CT‐Verfahren mit Genauigkeiten von bis zu 5 µm [28] können nur lokale Bereiche vermessen und eignen sich daher eher für die Analyse der inneren Struktur, wie Luftporenverteilung, Stahlfaserorientierung oder Welligkeiten von Oberflächen [29]. Für die Analyse ganzer Module ist dieses Verfahren häufig zu aufwendig.…”

Hinter den Kulissen

“…Durch algorithmische Verbesserungen mittels sog. Superresolutionsverfahren [30], wie diese im Bereich Computer‐Vision verwendet werden, können bei einer gegebenen Voxel‐Auflösung diese zum Beispiel um einen Faktor 2 verbessert werden (Bild 3).…”

“…Bei einer systematischen Erfassung der CT-Daten im Rahmen der Fließfertigung können abweichende Parameter in "Echtzeit" nachgerechnet werden oder mit Bild 3 a) Aufnahme einer Betonprobe mit einer Voxel-Größe von 42,3 µm; b) Aufnahme der gleichen Probe bei der Auflösungserhöhung mittels Superresolu tion um einen Faktor 2 mit schärferen Konturen und mehr Detailinformationen in den Strukturen wie in c) mit der Voxel-Größe von 21,2 µm; c) Aufnahme einer Betonprobe mit einer Voxel-Größe von 21,2 µm als Referenzaufnahme mit ähnlich scharfen Konturen und Detailinformationen wie in b), vgl. [30] a) Image of a concrete sample with a voxel size of 42.3 µm; b) image of the same sample at increased resolution by a factor of 2 using super-resolution with sharper contours and more detailed information in the structures as in c) with the voxel size of 21.2 µm; c) image of a concrete sample with a voxel size of 21.2 µm as a reference image with similar sharp contours and detailed information as in b), see[30]…”