基于GPU的图像处理算法研究

对基于统一计算设备架构(CUDA)的图形处理器(GPU)在图形处理方面的算法进行了研究和实现.针对目前图像处理算法日益复杂,性能要求越来越高,而传统的基于CPU的图像处理算法无法满足需求的情况,充分利用GPU突出的并行处理能力,采用CUDA技术,利用C++语言实现了图像处理算法.研究并设计了高斯模糊处理算法、彩色负片处理算法、透明合并处理算法的GPU并行运算流程,与CPU的性能对比表明基于GPU图像处理算法的效率更高.     

基于消息传递接口的并行图像处理算法研究

对于大数据量图像和复杂图像处理算法,并行处理是一种有效的解决方法.基于消息传递接口,设计了一种并行图像边缘检测算法,并在曙光4000L并行机上予以实现.数值实验结果表明,并行图像处理能显著减少计算时间,更多的计算节点能得到更大的加速比,该并行图像处理算法对于大数据量图像更加有效.     

探究GPU视角下的图像处理并行算法

随着计算机技术的更新发展,人们需要处理各式各样复杂的图像,而图像处理的方式方法也表现出多元化特性,对此,该文基于GPU并行处理能力,提出了一种更加高效、快捷的图像处理方法,通过C++语言进行图像计算,主要从高斯模糊算法并行化、彩色负片处理算法并行化、透明合并处理算法并行化3个方面做了全面分析,从而证明GPU视角下的图像处理并行算法更具优势,值得大力推广与应用。     

基于Spark平台的岩石图像聚类分析

提出了一种基于概率选择的K-means聚类算法,并将其应用到Spark平台进行图像聚类,得到的数据集远小于初始数据集,大大降低了算法的迭代次数,聚类速度非常快。在Spark平台应用改进的K-means算法进行岩石图像处理,对岩石图像进行特征提取,使得岩石图像易于区分,解决了传统的聚类算法无法确定初始中心、聚类数目K的选取不当可能导致聚类失败、算法容易受到噪声和孤立点影响等问题。     

复频域实时重建医学光声图像的研究

提出将光声成像中的傅里叶域重建方法与分布式并行计算相结合的方法,应用于实际处理医学成像中,实现实时重建医学光声图像的目的.滤波反投影算法是光声图像重建的一个广泛使用的算法,但由于在时域重建的时间复杂度大,并不适合实时重建.傅里叶域重建方法相对于滤波反投影算法具有时间复杂度上的优越性,且产生较少的伪影.并行处理技术,已经广泛应用于各类工程学科,其影响力及范围随着研究深入逐步扩大.分布式并行计算将提高图像处理速度,使实时重建医学图像成为可能.将MATLAB作为平台,实现了对医学图像在复频域的并行加速处理,给出了并行处理与串行处理的测试结果的比较.实验结果表明:傅里叶域重建方法与分布式并行计算的结合,使医学光声成像重建时间大大缩短.     

基于核独立分量分析的PET图像处理

随着医学戍像和计算机辅助技术的发展,从二维医学图像到三雏可视化技术,医学图像处理技术已经是目前医学技术中发展最快的领域之一。PET／CT系统因为同时具有多层螺旋CT和PET的临床特点,可以同时提供结构和功能方面的信息,在临床上有着广泛的应用前景。对它的图像处理也成了研究热点。因此本文对处理PET图像进行研究。本文研究了基于核独立分量分析的去噪应用于PET图像处理,实验结果表明,相对于医学图像处理中传统ICA去噪算法,本文所采用的去噪算法更适合于PET图像的处理。因此,可以判定Kernel-ICA在PET图像的去噪处理中是一种非常实用而且有效的算法,进而也可以推断出在PET图像处理中,基于Kernel-ICA的去噪算法具有很好的发展前景。     

基于Spark的ISOMAP算法并行化

为了实现大数据环境下非线性高维数据的快速降维,提出了一种基于Spark的并行ISOMAP算法.在该算法中,为了快速构建邻域矩阵,设计并实现了基于精确欧式位置敏感哈希的近邻搜索并行算法;为了实现特征值的快速求解,设计并实现了基于幂法和降阶法交替执行的特征值求解并行算法.为了进一步提高算法的性能,基于Spark的特性,利用Spark的稀疏向量、广播机制和缓存机制对并行ISOMAP算法进行了优化,减少了计算过程中的内存消耗和数据传输.在Swissroll数据集和S-curve数据集上的实验结果表明,基于Spark的并行ISOMAP算法通过并行执行和计算过程的优化,极大地提高了算法的执行效率,能够适用于大规模数据集的降维处理.     

图像分割技术在医学图像处理中的应用研究

图像分割是图像处理、图像分析的关键步骤,而医学图像分割是图像分割的一个重要的应用领域,也是一个经典难题。从应用的特定角度,论述了医学图像处理中图像分割的几种算法,对近年来医学图像分割的新方法或改进算法进行了阐述,并简要介绍了每种算法的特点及应用。     

基于FPGA的图像处理系统

针对目前采用通用计算机、多CPU并行、DSP等方法实现实时图像处理的不足,研究了一种基于FPGA的图像处理系统,由图像采集和图像处理基本算法两部分组成.图像采集选用OV7670图像传感器,其内部集成了传感器及图像处理单元,可以直接输出数字信号给FPGA.图像处理选用Altera公司的Cyclone II系列的FPGA芯片,在芯片上完成了图像采集的控制,模拟了I2 C总线协议,通过设计FPGA的内部逻辑实现了图像灰度化、中值滤波、边缘检测等图像处理基本算法,使处理速度远远快于软件方法.仿真结果显示:该系统实现了实时图像的快速采集和处理,最高能达到30帧/s,并且分辨率为640×480.     

基于SOPC的钢轨断面高速测量系统

随着我国高速铁路的快速发展,对钢轨断面高速检测技术的需求变得越来越迫切.本文以三角形摄影测量原理和片上可编程(SOPC)技术为基础,利用亚像素图像处理算法、NIOS Ⅱ处理器和以太网接口等IP软核技术,实时采集和并行处理钢轨图像,实现了多路钢轨断面的高速高精度在线测量.文中论述了基于SOPC与PC协同的高速高精度图像处理系统设计,并给出了系统原型机的试验验证.     

基于量子进化算法的交通图像稀疏分解

为了实现灵活、简洁和自适应地表示交通图像,该文将图像稀疏分解新方法引入到交通图像处理中,提出基于量子进化算法的交通图像稀疏分解方法,以加快对交通图像稀疏表示的处理速度,从而为进一步提取交通参数奠定良好基础。采用非对称图像原子构建交通图像原子库,用寻优能力强和收敛速度快的量子进化算法,实现在过完备图像原子库中搜索最佳匹配交通图像结构的原子,有效地实现对交通图像的稀疏表示。仿真实验结果表明,该方法能对交通图像进行快速、有效地稀疏分解,证实了所提出方法的可行性。     

AR系统中并行技术的应用研究

AR(Augmented Reality增强现实)系统运行时包含很多图形、图像的相关计算任务，要求系统实时完成，这个问题在基于PC的AR系统中更为突出。为了提高IP(1mage Processing图像处理)计算的实时性，提出了一种可行的并行解决方案。硬件上采用基于SMP(Symmetric Multiple Processor对称多处理器)的Cluster结构，算法上运用并行图像算法。在Windows操作系统下用多线程和MPI(Message Passing Interface消息传递接口)技术，设计了并行图像算例实验，并对这两种方法进行了综合比较。     

FPGA+DSP航片并行处理系统

研究了一种采用FPGA +双DSP的航片高速并行处理系统 ,并用区域分解算法对航片处理任务进行划分与分配 .FPGA实现对航片预处理 .DSP实现航片高层处理 .DSP部分由双TMS32 0C6 2 0 1芯片构成高速运算处理单元 ,峰值处理能力每s可达 3.2× 10 9条指令 .FPGA和DSP具有各自的存储器 .在系统中应用符合数字图像处理特点的区域分解并行算法 ,这样使在空间域串行图像处理算法得到并行化 ,从而合理地对任务进行划分与分配 ,同时保证各DSP处理机负载平衡 .该方法适合多种图像处理算法 ,实现简单 ,大大减少了开发的工作量 .经试验表明 ,该实时航片处理系统具有高效、简单、可靠的特点 .     

基于ImagePy的水敏纸图像预处理及液滴参数测量

快速获取喷施农药后雾滴在水敏纸表面的沉积分布,对了解农药的田间分布情况有十分重要的意义.针对目前水敏纸图像处理软件缺少对水敏纸图像的旋转等预处理操作,以及将水敏纸图像先转换为灰度图像再进行分割而导致检测精度低的问题,基于ImagePy开发了一种可以快速准确检测雾滴尺寸及分布特性的水敏纸图像处理软件,该软件由一组自定义插件组成,可以对水敏纸图像进行自动检测并旋转,然后对水敏纸图像进行彩色图像分割,进而使用这些插件统计测量雾滴尺寸、分布、总雾滴数和雾滴密度等雾滴参数,并将检测结果保存在Excel表格中以便后续数据处理,通过与DepositScan软件进行比较,验证了本软件的有效性.实验结果表明,基于ImagePy的水敏纸图像预处理及液滴参数测量方法可提取试纸上94.117 6％以上的雾滴,较DepositScan软件准确率提升了6.770 7％.     

面向R语言的分布式流处理系统设计与实现

为了使得在数据分析领域广泛使用的R语言能够应用于大规模数据的分布式流处理计算,基于Spark Streaming框架,设计和实现了一个面向R语言的分布式流处理系统。系统提出了一套完备的R/Java跨语言交互模型,实现了R语言程序和Java程序的互相调用,从而使得R语言程序可以运行在Java平台上,改进了R语言在大规模数据处理和并发计算等方面的不足。系统也提供了Spark Streaming的R语言编程接口,提高了后者的易用性。通过实例验证了该系统的可行性和实用性。     

遥感图像的无缝处理算法

分析遥感影像色彩差异的成因,讨论了遥感影像无缝处理涉及的关键技术和典型算法,并在此基础上提出了一种遥感影像无缝处理的解决方案.该方案先对每幅图像进行匀光处理,再采用四叉树色彩平衡算法,使得图幅间的色彩趋向一致,然后采用平滑滤波消除图幅边界.研究结果表明:该方法对于遥感图像的色彩均衡以及边缝消除有较好的效果,同时还具有算法简单、易于实现的特点.     

快速HLS彩色空间变换方法

分割是图象分析和处理中的重要手段．对于彩色图象,一般的分割方法都是基于ＲＧＢ（红、绿、蓝色）的彩色分量的计算,但有时ＲＧＢ分量不能确切体现图象中目标物体的特征,而且计算量很大．给出了一种新的彩色图象ＨＬＳ（色度、亮度、饱和度）变换方法,它能够体现出人类视觉特征,且经变换后的图象特征明显,易于进行边缘检测、分割和目标识别处理．此方法计算量小、精度高,经在医学图象处理系统中的实际应用,取得了很好的效果．     

基于Spark的地震数据重建方法的并行化

地震勘探技术发展早已进入TB(terabytes)级数据时代,并逐步迈向PB(petabytes)级。为提升海量数据处理效率,将地震数据处理算法进行并行化是一种广泛采用的手段。但是一些复杂度较高的算法,诸如地震数据重建类方法等,并行化难度较大,加速效果不理想。Spark作为一种面向大数据处理的通用分布式并行计算技术,可以应用于并可简化地震数据处理算法并行化过程。借助于Spark的优势,通过两个实例讨论了基于Spark的地震数据重建并行化方法,提出了对于具有复杂输入输出组织数据方式的算法的并行化方法,提升了算法效率。研究成果为该类算法的Spark并行化开发提供了有益借鉴。     

基于TMS320C80的视频图像处理系统的研制

目的 研究基于多处理器的并行运算在图像处理中的应用,方法 建立ＴＭＳ３２０Ｃ８０硬件平台,采用Ｃ语言与两种汇编语言混合编程的方法实现图像蝗并行处理,结果 该图像处理系统能够完成图像的实时处理,进行边缘提取的速度可达到３０帧／ｓ,采用互相关模板匹配方法进行跟踪的速度可达到１４帧／ｓ,结论 基于多ＣＰＵ的并行运算可以对图像进行实时处理,减少硬件系统的复杂性,并行运算的效率主要由多个任务在多个处理器上的     

高光谱遥感影像分类算法并行处理设计与实现

探讨高光谱遥感影像分类算法处理遥感影像速度。通过光谱角度匹配（SAM）、光谱相关系数匹配（SCM）、信息散度匹配（SIDM）、光谱波形匹配（SWM）进行并行化改造设计,将改造的并行化算法应用到湖北大冶遥感影像数据分类处理中,结果表明并行化算法能够有效完成高光谱遥感影像分类,数据量增大,并行化处理速度加快,数据量为158×382×1092时, SAM 并行处理速度是串行处理速度的25．68倍、SCM 为25．41倍、SIDM 为17．55倍、SWM为23．68倍。并行分类算法处理遥感影像分类速度较串行分类算法处理快。