农学家为了培育出高产的水稻品种,需要大批量的种植并筛选出具有优良性状的品系,同时考察水稻的一些表型参数(如分蘖、株高、绿叶面积等)。本项目组自主研发的水稻表型自动测量系统能实现高通量测量,提高测量速度和准确度。在诸多水稻表型参数中,水稻分蘖数是一个非常重要的与产量相关的表型参数。该系统采用X-CT (X-ray Compute Tomography)技术对水稻分蘖断层扫描,利用滤波反投影算法重建水稻分蘖断层图。对水稻分蘖断层扫描和重建的所需时间较长,成为整个系统测量速度提升的瓶颈。为了实现高通量测量和满足实时处理显示断层图像的需求,本文深入研究了水稻分蘖断层重建算法加速方法。滤波反投影算法包括两个过程:预加权卷积滤波和反投影。然而图像重建过程比较耗时,本文从两个方面对断层图像重建进行加速:ROI(Region of Interest)识别和GPU(Graphic Process Unit)硬件加速。ROI识别算法是从系统采集到的正弦图中的自动识别出断层图中需要重建的区域,削减重建像素数量以达到加速重建的目的。而且从感兴趣重建区域中还可得出正弦图中卷积滤波的感兴趣区域。本文采用CUDA(Compute Unified Device Architecture)编程来实现CT重建的GPU并行计算,包括预加权卷积滤波和反投影两个过程的GPU加速。从测试结果可以看出,对成熟期的水稻分蘖断层重建,ROI识别算法可加速重建4~10倍。ROI识别算法可显著加速“反投影”过程,而对“预加权卷积滤波”过程的加速效果并不明显。GPU并行计算可加速CT重建约180倍。预加权卷积滤波过程可加速约50倍,反投影过程可加速约250倍。可见,GPU并行计算可显著加速CT重建过程。而且测试发现GPU重建结果和CPU重建结果并无明显差异。在本项目中采用GPU加速算法后,重建一幅768×768大小的水稻分蘖断层图耗时100 ms左右。最后将ROI识别方法和GPU计算结合,对成熟期的水稻分蘖断层重建,反投影过程可加速2000倍左右,预加权卷积滤波过程可加速80倍左右,重建总过程可加速450倍左右。