并行统计多分辨率估计
计算物理
2015-03-13 v1 计算机视觉与模式识别
摘要
我们讨论了在 NVIDIA 的统一计算设备架构 (CUDA) 上实现 Dykstra 投影算法的几种策略。Dykstra 算法是统计多分辨率方法的核心步骤且计算成本最高部分，它将给定向量投影到凸集的交集上。与 CPU 实现相比，我们的 CUDA 实现速度快一个数量级。为了进一步加速并减少内存消耗，我们开发了一种名为不完全 Dykstra 算法的新变体。在 CUDA 中实现后，其速度比标准 Dykstra 算法的 CUDA 实现快一个数量级。作为示例应用，我们讨论了使用不完全 Dykstra 算法作为最近开发的超分辨率光学涨落成像 (SOFI) 方法 (Dertinger et al. 2009) 的预处理器。我们表明，统计多分辨率估计可以像 SOFI 的傅里叶重加权一样增强普通 SOFI 算法的分辨率提升效果。结果在功率谱和傅里叶环相关 (Saxton and Baumeister 1982) 方面进行了比较。傅里叶环相关表明，典型二阶 SOFI 图像的分辨率可提高约 30%。我们的结果表明，对 Dykstra 算法进行仔细的并行化使其能够用于大规模统计多分辨率分析。
引用
@article{arxiv.1503.03492,
title = {Parallel Statistical Multi-resolution Estimation},
author = {Jan Lebert and Lutz Künneke and Johannes Hagemann and Stephan C. Kramer},
journal= {arXiv preprint arXiv:1503.03492},
year = {2015}
}