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GPU的并行克里格及其在储量估算中的应用

克里格法是空间信息统计学中最主要和最基本的一种局部估计方法, 利用区域化变量的空间分布特征实现对未知区域的估计. 针对克里格算法高时间复杂度问题, 提出一种基于GPU 的并行克里格算法, 实现对克里格插值算法的改进, 在精度不降低的情况下很好地解决了克里格算法高时间复杂度的问题. 西藏甲码铜资源量估算结果表明, 并行克里格方法具有良好的加速比与并行计算效率, 验证了该方法的可实践性, 与纯CPU 计算的对比实验验证了GPU 并行计算结果的正确性与可信度.      

基于图形处理器硬件加速的高精度医学图像融合算法

提出一种基于图形处理器(GPU)硬件加速的频域非下采样轮廓波变换(FNSCT)算法.该算法构造了更加简单、快速的频域非下采样轮廓波变换,有效消除了传统小波变换以及轮廓波变换应用于图像融合算法时引起的振铃和伪吉布斯现象.结合GPU在并行大规模浮点数及快速傅里叶变换(FFT)上的高速运算能力,解决了非下采样轮廓波变换(NSCT)速度慢的问题,实现了一种高精度的医学图像融合加速算法.     

基于GPU的加权Voronoi图计算

Voronoi图描述了一种对空间按照欧式距离进行的划分,是关于空间邻近关系的一种基础数据结构,在图像处理、城市规划以及地理信息系统等应用中有着重要的地位.顶点加权Voronoi图是Voronoi图的一种扩展,有着更为广泛的应用,但由于其实现的复杂性,相关算法一直比较少.为此,提出了一种基于GPU的加速算法.该算法利用GPU的高效计算特性,能够实时地生成离散的加权Voronoi图.与现有的算法相比,该方法易于实现,同时实验显示算法具有更好的计算性能.     

遥感图像海陆分割的GPU并行加速

海陆分割是光学遥感图像海上目标识别过程中一个重要步骤,海陆分割的结果直接影响下一步目标识别的效率和正确率;而遥感数据的大量增长,使得图像处理速度变慢,因此分割算法的执行效率变得越来越重要。利用Nvidia开发的统一计算架构CUDA(compute unified device architecture),将海陆分割流程的一系列函数移植到GPU(graphic processing unit)上进行并行处理,能够有效提高算法执行速度。经实验验证最终完成2 000×2 000大小的图片在11 ms内的海陆分割处理。该方法能够满足对于图像数据的传输在25 ms内的处理,适合用于建立地面或者航空搭载的"实时"处理平台。     

基于GPU加速及改进谱FDTD方法的周期性结构分析

为解决作为分析周期性结构的时域数值算法本身在计算单角度入射时依然存在效率偏低的这一问题,提出了一种改进的谱FDTD方法,并运用图形处理器(GPU)对算法进行硬件加速.改进的算法在保证单频点运算结果精确的前提下,通过降低单次运算对运算结果频谱分辨率的要求以降低总体的运算时间.算例验证表明,在保证同等精度的前提下,改进后的算法将单角度斜入射问题的计算效率提高了1倍以上,并在此基础上通过GPU硬件加速成功实现了20倍以上的加速比,这证明了GPU加速的改进谱FDTD法的可行性与高效性.     

面向CPU+GPU异构计算的SIFT

依据图形处理器(GPU)计算特点和任务划分的特点,提出主从模型的CPU+GPU异构计算的处理模式.通过分析和定义问题中的并行化数据结构,描述计算任务到统一计算设备架构(CUDA)的映射机制,把问题或算法划分成多个子任务,并对划分的子任务给出合理的调度算法.结果表明,在GeForce GTX 285上实现的尺度不变特征变换(SIFT)并行算法相比CPU上的串行算法速度提升了近30倍.     

基于可编程图形加速硬件的实时光线投射算法

为了在保证绘制图像质量的基础上将体绘制算法的绘制速度提高至实时,提出一种基于可编程图形加速硬件(GPU)的光线投射算法实现(GRC,GPU-based Ray Casting)。GRC在可编程GPU中进行重采样和分类,使用矩阵逆运算以降低重采样坐标的计算复杂度,使用后分类技术以降低算法的空间复杂度。实验表明:对于2563规模的体数据,GRC能够在保证图像质量的基础,以超过30fps的速度进行绘制。     

基于可编程GPU的红外场景仿真实现

针对以前红外仿真方法细节差、实时性不高等技术难点,提出了一种新的红外物理模型实现方法。该方法将物理信息与物体的几何模型顶点绑定,提高了对红外场景的描述细节。该方法对物理模型的计算在CPU与GPU之间进行了分配,充分利用了可编程GPU的强大运算能力,有效提高了红外场景生成的实时性。讨论了几种典型探测器效应的添加方法。使用仿真图像来说明所提出方法的有效性,同时分析了该方法的优缺点。     

最小延时问题GPU并行加速变邻域搜索方法

为了能够在尽可能短的时间内获得最小延时问题的优质解,提出一种运行在CPU-GPU混合环境中的变邻域搜索方法。在遗传算法的顺序交叉生成子代基因过程中,改变邻域结构以避免解方案陷入局部最优。该方法在避免局部最优问题的同时,又可以利用GPU的并行加速能力缩短算法运行时间。实验结果表明,对于大规模最小延时问题,可以在短时间内获得足够好的解。