基于CUDA 和卡尔曼预测的实时电子稳像方法

针对传统电子稳像方法无法实现视频的实时处理的问题, 提出以SURF(Speed Up Robust Features)配准算法为基础, 基于CUDA(Compute Unified Device Architecture)编程实现算法的加速, 并利用卡尔曼预测器进行实时预测。算法利用CUDA 并行编程实现帧间特征点的提取和配准, 获得帧间运动矢量; 利用卡尔曼预测器获得稳定后的运动矢量, 实现对当前帧的运动矢量的补偿, 以达到实时稳像的目的。仿真实验结果表明, 该方法可有效去除视频帧间的抖动, 稳像效果良好, 实现了视频的实时处理。     

基于改进引导滤波的实时红外图像去噪研究

针对红外图像对比度低、边沿模糊、图像噪声明显以及去噪算法复杂度普遍高的缺点,提出应用于红外图像去噪的改进的引导滤波算法,并与传统的引导滤波去噪算法进行对比,以验证该算法提高图像质量的能力与算法处理的效率.该方法利用Sobel滤波代替传统引导滤波求统计特征的方法来获取图像特征,在保证去噪效果的前提下,极大简化了算法复杂度,并移植该算法至TMS320C6748DSP平台进行测试.实验结果表明,程序经优化后,达到实时处理的要求.     

多种中值滤波算法在可重构架构上的映射实现

为了满足图像应用对椒盐噪声高性能实时处理的需求,解决传统设计方法仅能针对特定滤波算法实现固定参数的限制,在粗颗粒度可重构架构上映射实现了多种中值滤波算法.通过分析中值滤波算法的计算数据特点,探索出滤波算法在重构架构的数据并行和重用方法.同时,通过优化可重构计算单元的微结构设计来适应中值滤波算法的映射,扩展重构计算单元的输出端口设计,引入分布式跨域寄存器.实验结果表明,采用SMIC 130 nm CMOS工艺实现100 MHz系统主频,可以获得最高75.21×106像素/s的像素处理速率.可重构方法可以灵活实现多种中值滤波算法,满足不同复杂度和分辨率下图像的实时处理需求.     

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.     

雾霾天气下基于二次滤波的交通图像去雾算法

雾霾天气下采集到的退化含噪图像模糊不清、对比度较低;而使用传统基于双边滤波的去雾方法得到的图像偏暗,效果有限。针对这些问题,提出了一种新的基于二次滤波的算法,实现雾霾天气下交通图像去雾处理;利用双边滤波对含雾图像的暗通道图像进行第一次滤波,用引导滤波对图像的透射率粗估计进行二次滤波优化。根据降质模型对含雾图像进行复原,进而得到去雾后的图像。实验效果证明,与传统方法相比,得到的去雾图像与真实场景亮度更加相似,色彩饱和度较好,图像质量较高。     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

基于CUDA的高速并行高斯滤波算法

为加快表面三维形貌分析中高斯滤波算法的执行速度,提出了一种基于计算统一设备构架(CUDA)的高斯滤波算法来实现高速并行处理.分析高斯滤波算法原理和CUDA并行计算体系,将CUDA并行计算技术引入到表面分析领域.针对高斯滤波数据间依赖性弱和CUDA采用单指令多线程(SIMT)执行模型的特点,总结出适合于CUDA的并行高斯滤波算法流程.实验证明:该方法与CPU串行处理方法相比,其加速比达到40倍以上,可以有效提高数据处理能力.     

基于复数卡尔曼滤波的电力系统对称分量估计

针对实数域对称分量估计实时处理效率低的问题,提出了一种基于复数Kalman滤波的电力系统正序谐波对称分量估计算法。利用对称分量理论获得了三相电力系统正序瞬时值对称分量,通过相应变换获得复数数字信号模型,根据需要估计的正序谐波对称分量,获得相应的状态方程和观测方程,利用复数Kalman滤波算法实现了正序谐波对称分量估计。仿真实验结果表明,该算法可实时在线实现正序谐波对称分量估计。     

一种邻域相关的高动态范围图像显示方法

高动态范围图像的动态范围压缩主要利用局部色调算法来实现,提出了一种基于邻域数据的高动态范围图像映射技术。为了简化数据操作,采用图像亮度值进行处理。首先进行双边滤波处理,然后对所得数据进行邻域伽马校正。试验结果表明,该方法可以有效压缩图像动态范围,能够满足低动态设备的显示要求,并且很好的保持了图像的对比度和颜色信息。     

基于CUDA的卫星影像快速Mask匀光方法研究

针对大数据量的卫星遥感影像进行匀光处理的过程计算量大,效率低的情况,本文提出了一种基于CUDA平台的卫星影像快速匀光并行处理方法,根据现有算法结构上的特点,将处理过程中的主要运算部分交由GPU完成。实验通过对资源三号卫星所得影像做匀光处理,对比了GPU与多核CPU运行速度和效果,分析了该方案的加速性能和实用性。实验表明,在保持原处理质量的同时,该方法构建的并行处理模型有效地提高了原有匀光算法的处理速度。     

用于自动导引车辆的数字工位实时识别系统设计

开发了用于自动导引车辆的数字工位视觉识别系统.根据路面区域、导航线区域和数字工位区域的不同颜色特征,以彩色图像中的R分量(红色分量)为处理对象,利用红色分量在每一副采集图片的像素分布中寻找字符可能出现的区域;根据HIS颜色空间特征参数饱和度S和色调H,提取数字工位;快速校正后,利用字符的整体结构特征进行数字初步分类,优化字符特征区域的确定及统计办法,在改进的特征统计基础上进行数字的再辨识.现场实验表明,该系统可获得较好的识别效果(正确率达到98%),字符提取耗时16 ms,校正、识别总耗时47 ms,满足车辆数字工位识别实时性、准确性、鲁棒性的要求.     

基于GPU并行处理的地形三维重建技术研究

介绍了一种基于GPU(Graphic Processing Unit)并行处理的地形三维快速重建算法。该算法利用分而治之的思想,基于CUDA编程框架,首先计算每一点的邻域信息,并在其切平面上进行局部的三角剖分,然后合并形成最终的地形网格。实验结果表明,基于GPU并行化处理的三维重建算法高效、稳定,可以快速的实现结构复杂的大规模地形的三维重建。     

基于CUDA平台的时域有限差分算法研究

文章针对传统时域有限差分(FDTD)算法的不足,以图形加速卡为核心,通过理论分析和数值模拟,研究并实现了基于CUDA平台的FDTD并行算法。CUDA是最新的可编程多线程的通用计算GPU模型,由于FDTD算法在空间上具有天然的并行性,因此非常适合在GPU上实现并行算。文章描述了在CUDA编程模型上的FDTD算法的设计以及优化过程,并通过数值仿真实验结果证明了基于GPU的并行FDTD算法可以大大减少计算时间,基于GPU加速已成为电磁场数值计算的研究热点之一。     

一种改进的有雾图像去雾算法

针对基于大气散射模型的图像去雾算法存在的图像去雾后颜色偏暗、对比度过度增强的问题,提出一种基于灰色关联度引导滤波的图像去雾算法。首先,假设有雾图像的像素可以分为正常像素和被雾霾颗粒破坏的像素,应用灰色关联理论对雾霾图像的像素值进行判断;然后,对雾霾颗粒破坏的像素进行引导滤波,通过取对数的方法缩小原始图像和滤波以后图像像素值之间的差异,在对数域中计算雾气面纱值;最后,依据大气散射退化模型反演复原清晰的图像。实验结果表明,该算法不仅可以有效改善雾霾图像的清晰度,而且能够解决去雾后存在的亮度偏暗,色彩失真等问题。     

航拍图像暗通道先验去雾算法速度改进

针对暗通道先验去雾算法复杂程度较高,利用引导滤波精细化大气透射率图层时间较长的问题,提出一种用中值滤波精细化透射率图层的算法改进航拍图像去雾速度.改进算法定义了一种算法简单且具有边缘保护效果、与滤波窗口无关、时间复杂度为O(1)的中值滤波器,对云雾均匀的输入图像,用中值滤波较好地模糊了计算暗通道图层而产生的块状处理结果...     

基于亮区域暗通道矫正和加权聚合引导滤波

针对暗通道先验在天空等亮区域失效和引导滤波容易导致边缘模糊的不足,提出了一种高效的去雾算法.该算法提出一种新颖的亮区域自适应分割与校正方法,基于自适应的相对景深阈值分割亮区域,采用饱和度和灰度值校正亮区域的暗通道.然后利用加权聚合引导滤波代替引导滤波细化初始透射率,解决引导滤波引起的边缘模糊问题.最后,提出一种有效的亮度校正方法,将复原图像转化到HSV色彩空间,对亮度进行均衡化处理,使用相对雾浓度均值作为权值,对均衡化前后的结果进行线性加权得到最终的复原结果.实验结果表明,与经典算法对比,所提算法亮区域分割准确,复原图像纹理清晰,去雾彻底,复原结果的峰值信噪比、平均梯度与信息熵的最大提升分别为34.46%、99.49%和21.18%.     

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。