面向CPU+GPU异构平台的模板匹配目标识别并行算法

针对大数据量导致模板匹配目标识别算法计算时间长,难以满足快速检测的实际需求问题,在采用最新NVIDIA Tesla GPU构建的CPU+GPU异构平台上,设计了一种模板匹配目标识别并行算法.通过对模板图像数据常量化、输入图像数据极致流多处理器片上化和简化定位参数计算3方面优化了并行算法,并对算法进行性能测试.实验表明,该算法在保证识别效果的同时实时性明显提高.     

基于感兴趣区的图像编码算法的研究

本文分析了基于缩放和最大提升法的两种图像感兴趣区编码算法,给出了编码图像的信噪比与码流比特率之间的关系,对图像感兴趣区编码及JPEG编码进行了编码质量比较.采用面向对象的编程思想,使用MFC开发的基于感兴趣区的图像编码与图像显示软件为以上算法分析提供了条件.实验表明,在相同码流比特率的条件下,本文给出的感兴趣区编码算法这一优先编码方法比现有的JPEG算法相比具有更高的编码质量.     

利用GPU实时处理反走样的新方法

反走样算法在计算机图形学中有重要的作用,如何避免出现图形走样现象,对生成高质量和较好实时性的图像滤波算法提出了更高的要求。结合GPU渲染流程原理,对比分析双线性插值运算与双三次插值运算后,在GPU上进行插值编程,对仿真结果出现的走样现象进行改进,并取得了较好效果。     

一种基于GPU加速的图像颜色传递算法

针对图像颜色传递典型算法Reinhard算法需对图像中的所有像素进行遍历搜索处理,计算量大、运算速度较慢这一问题,提出了一种基于GPU加速的图像颜色传递算法;利用可编程图形处理单元GPU并行计算和高速浮点计算特性,将Reinhard运算过程转化为GPU中的纹理图像渲染过程,使得Reinhard算法在GPU中加速执行.颜色传递效果对比结果表明,在取得较好的颜色传递效果的同时,该算法计算速度大大提高,且对大尺寸图像提速性能更好.     

基于异构平台的图像中值滤波的OpenCL加速算法

图像噪声降低了图像信噪比和质量,去噪是图像处理工作的重要环节之一.本文提出了一种基于开放式计算语言(OpenCL)架构的图像中值滤波快速降噪并行算法.介绍了OpenCL体系结构特点和中值滤波处理流程.根据图形处理器(GPU)的并发结构特点,对图像中值滤波功能模块进行了并行优化,降低了算法复杂度.通过充分激活NDRange索引空间中的工作组和工作项来提高数据访问效率,优化内核工作组配置参数,实现了中值滤波器的并行处理.实验结果表明,在图像质量保持不变的情况下,与基于CPU的串行算法、基于开放多处理(OpenMP)并行算法和基于统一计算设备架构(CUDA)并行算法性能相比,图像中值滤波并行算法在OpenCL架构下NVIDIA GPU计算平台上分别获得了29.74、17.29、1.15倍的加速比.验证了算法的有效性和平台的可移植性,基本满足应用的实时性处理要求.     

使用GPU编程的工业CT断层图像三维可视化技术

在具有可编程管线的图形处理器（GPU）上重新实现了传统的光线投射算法,将耗时的三线性插值和采样过程放在GPU上进行,以提高绘制速度.首先将体数据映射为三维纹理并将其载入到显存,接着通过对顶点着色程序和像素着色程序的编写将光线进入点、离开点的计算以及图像的合成运算移入GPU中,最后根据不同的采样点颜色混合公式实现不同的绘制效果.本算法通过只绘制一个代理面,避免了使用固定管线的混合操作,从而可通过自定义的混合算法来实现各种复杂的绘制效果.结论：与传统的光线投射算法相比,文中算法可快速重建出质量较高的图像,使实时绘制工业CT断层图像成为了可能.     

基于GPU的多尺度Retinex图像增强算法实现

为提高多尺度Retinex算法的实时性,本文提出了基于GPU的多尺度Retinex图像增强算法,通过对算法进行数据分析和并行性挖掘,将高斯滤波、卷积和对数差分等计算量非常耗时的模块放到GPU中,利用大规模并行线程处理来提高效率。在GeForce GTX 480和CUDA 5.5中进行实验,结果表明该算法能显著提高计算速度,且随着图像分辨率的增加,最大加速比达160倍。     

压缩感知A*OMP重构算法的并行化与GPU加速实现

针对压缩感知系统实时应用的需要,探讨了A*OMP算法的并行设计及基于GPU的加速方法.将耗时长的矩阵逆运算转化为可并行的矩阵/向量操作,并结合算法本身的关联特性,进一步采用迭代法实现以降低其计算复杂度.利用GPU高效的并行运算能力,将算法中可并行的矩阵/向量计算映射到GPU上并行执行,在面向Matlab的Jacket软件平台上对整体串行算法进行了并行化的设计与实现.在NVIDIA Tesla K20Xm GPU和Intel(R)E5-2650 CPU上进行了测试,实验结果表明:对比CPU平台的串行实现,基于GPU的A*OMP算法整体上可获得约40倍的加速,实现了在保持系统较高重构质量的同时能有效降低计算时间,较好地满足了系统实时性的需要.     

一种利用Spark-GPU加速 CT图像重建的设计

目的:进一步解决CT图像重建耗时长的问题,实现大批量重建CT图像.方法:利用大数据框架Spark构建GPU集群.首先对加速滤波反投影(FBP)和同时代数迭代重建技术(SART)算法的复杂度进行分析及并行化设计,并比较在GPU和CPU上的运行速度.通过对比耗时选择最佳的计算组合,实现单机GPU加速.通过thunder工具读取批量的投影数据并创建分布式数据集,使用Numba开发CUDA程序并部署在Spark运行.结果:FBP算法运行速度有近40倍的提升,SART算法运行速度有近10倍的提升.结论:Spark和GPU结合能够扩展Spark的性能,突破单机加速瓶颈,大幅提升计算速度,对于不同的图像重建算法均有良好的加速效果,表明Spark-GPU在图像重建方向有良好的应用前景.     

低码率下视频图像处理SPIHT算法的改进

介绍了低码率下视频图像传输的编解码算法,重点分析了小波变换与零树编码对视频序列图像传输的影响,并针对SPIHT零树算法在低码率下的特性提出了一个提高运算速度和改善信噪比的方案.仿真结果表明,此改进方法提高了低码率下视频编码的信噪比,且具有较好的实时性.     

基于倒频谱的无噪声运动模糊图像快速复原算法

针对当前运动模糊图像复原算法主要集中在非实时性研究,着重考虑算法的执行质量而不考虑算法执行效率的问题,提出了基于倒频谱的无噪声图像的快速复原算法.该算法对无噪声模糊图像进行倒频谱处理,从倒频谱图中直接得到图像的模糊方向和模糊距离.对于尺寸较大的图像,在执行倒频谱算法前先使用双线性插值算法实现图像压缩,再进行倒频谱操作.通过比较各种复原算法的执行效率及效果,采用维纳滤波对图像进行复原.通过对多幅模糊图像进行仿真复原试验,在获得了良好的复原效果的同时也取得了较高的执行效率.     

基于八叉树编码的CUDA光线投射算法

目的针对传统的GPU光线投射算法绘制效果差,绘制效率低的问题,在CUDA架构上对光线投射算法进行优化和加速。方法首先采用八叉树对体数据进行编码,有效地剔除体数据中对重建图像无贡献的部分;其次,将体数据绑定到三维纹理上,根据体数据大小分配线程,每条光线与体数据求交时采用并行计算;最后,在CUDA内核中实现光线投射算法。结果仿真实验结果表明文中算法可以将传统GPU光线投射算法的绘制速度提高7～15倍,并增强算法的绘制效果。结论算法对传统的GPU光线投射算法的绘制速度和效果都有提高。     

减小帧内编码分辨率的快速算法

随着H.264视频编码标准的应用,转换编码的难度也越来越高. 为了提高帧内编码图像分辨率减小的速度,提出了一种基于方向性的快速算法. 实验结果表明,该算法在很少的图像质量损失下能节省23%的重新编码时间,从而提高了转换编码的实时性及带宽变换能力.     

一种采用内预测模式的HEVC视频信息隐藏算法

针对最新的视频编码标准高效率视频编码(HEVC),提出一种基于帧内模式选择的视频信息隐藏算法.首先,对一幅二值图像进行Arnold置乱和turbo码编码,形成待嵌入的二值信息序列.然后,结合帧内模式选择过程,调制I帧亮度16×16编码单元最优预测模式的奇偶性来实现信息隐藏.由于只在I帧进行信息隐藏,提取时只需部分解码即可提取隐藏信息,无需完全解码与原始视频的参与,实时性较好.实验结果表明:算法对视频质量和比特率的影响较小,且能保证一定的信息隐藏容量,符合视频隐藏算法的基本要求.     

一种压缩比自适应快速矢量量化器的设计与实现

设计了一种图像16×16、8×8、4×4动态分块压缩比自适应的快速矢量量化算法.该算法可以根据图像的特征,在较大范围内自适应地变化压缩比,减少重复搜索的运算量,在提升图像压缩比的同时,编码速度也有很大幅度的提高.设计了编码电路,并在FPGA上进行了仿真及验证.结果表明,整个系统最大时钟频率可达76.55 MHz.与其他相关算法相比,该算法的压缩比有很大提高,而平均峰值信噪比降低却很少,可完全满足图像编码的高速和实时性要求.     

GPU加速数据挖掘算法的研究

分析了GPU的主要架构,在与CPU编程进行对比的同时,基于nVidia的CUDA(compute unified device ar-chitecture),改进了数据挖掘中常用的朴素贝叶斯算法,实现了GPU硬件加速.测试表明,在处理海量浮点数据的分类与排序中,利用图形处理器强大的计算能力获得了较高的实时性.改进算法易于理解和操作,对于GPU在数据挖掘领域的应用具有一定的借鉴意义.     

提升小波变换二叉树图像编码算法

为进一步提高图像压缩质量,在研究二维离散信号采样的基础上,基于全相位列率滤波理论设计了全相位内插滤波器组,并将其用作小波变换提升格式中的预测和更新滤波器,对图像进行不可分离的二维小波变换.结合各分解子带小波系数金字塔排列的特点,借鉴经典的SPIHT小波编码算法的思想,提出了二叉树小波编码算法.对经典测试图像的实验结果表明,与SPIHT算法在相同编码比特率下做比较,在低比特率下,二叉树小波编码算法重建图像的峰值信噪比平均提高约0.5 dB,并且重建图像的主观质量也较好.     

基于JPEG2000的感兴趣区域的图像编码算法的研究

本文分析了基于缩放和最大位移法的两种图像感兴趣区编码算法,给出了编码图像的信噪比与码流比特率之间的关系,编码过程及解码过程,对图像感兴趣区编码及JPEG编码进行了编码质量比较,实验表明,在相同码流比特率的条件下,本文给出的感兴趣区编码算法比现有的JPEG算法相比具有更高的编码质量。     

基于SHA-3与DNA编码混沌系统的输电线路图像加密算法研究

针对输电线路巡检中无人机采集的图像数据存在的安全与加密效率问题,文中提出一种SHA-3算法与DNA编码混沌系统相结合的图像加密算法。首先,为加强密钥对图像明文的敏感性,利用SHA-3算法生成巡检图片的哈希值作为超混沌系统的初始值密钥;然后,根据对角线提取规则将图片进行像素块置乱,并使用超混沌系统生成的混沌序列映射DNA编码规则,对置乱完毕的巡检图片进行DNA编码、运算与解码,实现巡检图像的加密与解密;最后,为验证文中方法的有效性以及优越性,以某国网公司实际巡检图像数据为基础,设置密钥空间、密钥敏感性、直方图、信息熵、加密时效等实验对算法进行测试分析,结果表明该算法相较传统算法安全性更高的同时,具有较好的实时性,可胜任实际巡检中的图像加密任务,为输电线路巡检图像加密任务提供了新的思路和技术方法。     

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.