Abstract Phase-extraction is important in various fields of optical metrology, for which, many phase-shifting algorithms have been developed. Among them, the advanced iterative algorithm (AIA) can accurately extract phase from fringe patterns with random unknown phase-shifts by iteratively estimating the phase and phase-shifts. However, these iterations make the AIA much slower than traditional phase-shifting algorithms. This problem is severer when both the pixel number and the frame number are large for high resolution and accuracy, restricting AIA’s wide application. In this paper, based on the detailed analysis of the algorithm’s structure, a fully parallelized GPU-based AIA (gAIA) is proposed for the first time. Without scarifying the phase extraction accuracy, the gAIA achieves 500 × speedup comparing with the sequential implementation on a single-core-CPU, and 10 × speedup comparing with the state-of-the-art partial GPU implementation which has a potential convergence issue. Also, for the first time, the real-time phase extraction with AIA is achieved by using a normal NVIDIA RTX 2080 Ti GPU, i.e., the proposed gAIA only takes 26.55 ms to extract phase from 13 frames of fringe patterns with 2048 × 2048 pixels per frame. Finally, through the implementation and testing of the gAIA, it is discovered that increasing the frame number has little effect on the speed performance, which is against our intuition. As a consequence, more frames can be used for gAIA to increase the phase extraction accuracy with little influence on the speed.

中文翻译：

---

用于未知相移相位提取的并行高级迭代算法

摘要 相位提取在光学计量学的各个领域都很重要，为此已经开发了许多相移算法。其中，高级迭代算法（AIA）可以通过迭代估计相位和相移，从具有随机未知相移的条纹图案中准确地提取相位。然而，这些迭代使 AIA 比传统的相移算法慢得多。当像素数和帧数都很大以实现高分辨率和精度时，这个问题更加严重，限制了 AIA 的广泛应用。本文在详细分析算法结构的基础上，首次提出了一种完全并行化的基于GPU的AIA（gAIA）。在不影响相位提取精度的情况下，与单核 CPU 上的顺序实现相比，gAIA 实现了 500 倍的加速，与具有潜在收敛问题的最先进的部分 GPU 实现相比，实现了 10 倍的加速。此外，首次使用普通的NVIDIA RTX 2080 Ti GPU实现了AIA的实时相位提取，即提出的gAIA从13帧2048×2048像素的条纹图案中提取相位仅需26.55 ms每帧。最后，通过gAIA的实现和测试，发现增加帧数对速度性能影响不大，这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。与具有潜在收敛问题的最先进的部分 GPU 实现相比，速度提高了 10 倍。此外，首次使用普通的NVIDIA RTX 2080 Ti GPU实现了AIA的实时相位提取，即提出的gAIA从13帧2048×2048像素的条纹图案中提取相位仅需26.55 ms每帧。最后，通过gAIA的实现和测试，发现增加帧数对速度性能影响不大，这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。与具有潜在收敛问题的最先进的部分 GPU 实现相比，速度提高了 10 倍。此外，首次使用普通的NVIDIA RTX 2080 Ti GPU实现了AIA的实时相位提取，即提出的gAIA从13帧2048×2048像素的条纹图案中提取相位仅需26.55 ms每帧。最后，通过gAIA的实现和测试，发现增加帧数对速度性能影响不大，这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。使用 AIA 的实时相位提取是通过使用普通的 NVIDIA RTX 2080 Ti GPU 实现的，即，所提出的 gAIA 从每帧 2048 × 2048 像素的 13 帧条纹图案中提取相位仅需 26.55 ms。最后，通过gAIA的实现和测试，发现增加帧数对速度性能影响不大，这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。使用 AIA 的实时相位提取是通过使用普通的 NVIDIA RTX 2080 Ti GPU 实现的，即，所提出的 gAIA 从每帧 2048 × 2048 像素的 13 帧条纹图案中提取相位仅需 26.55 ms。最后，通过gAIA的实现和测试，发现增加帧数对速度性能影响不大，这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。这与我们的直觉相反。因此，gAIA 可以使用更多帧来提高相位提取精度，而对速度的影响很小。