基于CUDA架构下的直方图均衡并行算法

为了提高图像对比度, 解决传统的直方图均衡算法处理速度慢的问题, 提出了基于统一计算设备架构(CUDA)的直方图均衡图像实时处理加速方案。利用图形处理器(GPU)强大的计算能力和CUDA 优化的存储器结构, 以加速直方图均衡中的图像灰度级投票、 分布概率累加并映射以及图像新的灰度值填充等功能进行运算。在CUDA 条件下, 对直方图均衡算法进行串-并行分析, 分别从粗粒度与细粒度角度进行并行设计, 通过实验测定进行了设计参数寻优, 获得了线程块设计参数的最优尺寸。结果表明, 基于CUDA的图像直方图均衡并行算法的性能相比基于CPU 的串行算法和基于开放多处理(OpenMP)并行算法分别获得了61. 58 和32. 00 倍的加速比, 能够为大规模实时性图像处理系统设计提供参考。     

基于CUDA的高光谱图像虚拟维度并行计算

虚拟维度表示高光谱图像中典型地物的个数。虚拟维度的确定是高光谱图像众多应用的首要步骤。针对虚拟维度计算方法时间复杂度高的问题,根据其计算具有高度并行性的特点,该文在图形处理单元(GPU)上使用统一计算设备架构(CUDA)和它的拓展线性代数工具箱CULA及Thrust实现虚拟维度的计算,在算法并行实现的每步都做了进一步优化以获取更大的加速性能。通过在GPU设备上CUDA并行计算和CPU上非并行计算求虚拟维度的实验比较,验证了CUDA并行计算可以明显加快算法的实现。     

基于Vague集模糊量化的图像检索算法

为了提高图像的检索效果,提出了基于Vague集模糊量化的图像检索算法。该算法首先在色调-饱和度-亮度(hue saturation value,HSV)空间中划分模糊区域,并建立每个区域的梯形隶属度函数;其次,通过梯形隶属度函数得到任意颜色在模糊区域的Vague隶属度,进而将该Vague隶属度转化为包含中立度信息的Fuzzy值,并对该Fuzzy值加权得到新的量化值,从而得到颜色直方图;最后,将原图平滑处理,并与原图直方图结合得到广义直方图,通过欧氏距离进行相似匹配得到检索结果。实验采用Corel1000图像库,选取花作为检索的目标图像,结果显示,非均匀量化算法,模糊量化算法和改进算法的查准率分别为62.5%,72.5%,75%;查全率分别为25%,29%,30%。采用3种算法分别检索主目标明确和主目标不明确的图片,结果显示,改进算法与非均匀量化算法,模糊量化算法相比,检索效果较好。     

CUDA架构下高效红外图像背景预测方法

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,充分考虑CUDA架构的特点,将其在CUDA架构下进行了重新实现,利用GPU(Graphic Processing Unit)的强大并行计算能力完成红外图像背景预测的快速计算.为了进一步提升算法的运行效率,将不可分离的背景预测卷积模板分解为多个可分离模板的叠加,并给出了分解卷积模板的一般方法.将该方法应用于实际的红外图像背景预测,结果表明,该方法比传统的CPU计算在运算效率上提高了130倍以上.     

基于小波变换的数字图像双重随机置乱加密

提出了一个用于图像加密的基于小波变换的双重随机置乱算法。算法首先对图像进行小波分解：再对分解结果进行第一次随机置乱。这一置乱有两种方案：第一种是直接对每一分量图像分别进行置乱,第二种是对由所有分量图像拼接而成的图像进行置乱,置乱后再分割成与原分量位置与大小一致的分量图像;然后对这些分量图像进行小波重构,并对重构结果再次进行随机置乱,得双重随机置乱加密图像。实验中,以统计直方图和视觉效果对两种方法作了比较。比较结果表明两种方法的视觉置乱效果都不错,但由第一种方法置乱所得图像的直方图与原图很相似,说明该方法是以位置置乱为主,而由第二种方法置乱所得图像的直方图则与原图差别很大,说明该方法不仅有位置置乱,而且灰度级置乱更明显。可见,第二种置乱方法更有效。     

基于高斯多峰拟合与直方图规定化的红外图像增强

为提高红外图像清晰度,提出一种基于高斯多峰拟合和直方图规定化的红外图像增强算法。首先对图像直方图进行平滑处理,通过求导获得直方图波峰数目,对直方图进行高斯多峰拟合,并通过BML映射规则获得规定化图像。为补偿丢失的弱边缘信息,采用四方向Sobel算子获得原图的梯度,利用梯度对规定化图像进行锐化以增强图像轮廓细节。实验表明,经过该算法处理的红外图像,可识别度和层次感都明显优于传统算法,使红外图像视觉效果得到很大的改善。     

双负媒质的GPU-FDTD并行计算研究

本文研究了基于计算统一设备架构(CUDA)的图形处理器(GPU)对双负媒质(DNG)电磁散射规律的并行计算的实施。由于Z变换理论的时域有限差分法可以计算双负媒质中电磁波的散射和传播,同时在空间上具有天然的并行性,因此非常适用于在GPU上实现并行计算。本文引入Drude模型,给出了左手媒质中FDTD迭代公式,研究了基于GPU的并行FDTD方法,最后通过数值仿真实验以及结果证明该方法的正确性和高效性。     

基于灰度校正的SIFT算法全景图实现

提出应用灰度校正改进全景图像无缝拼接的方法。利用直方图均衡化技术消除拍摄图像的灰度不一致;应用基于尺度不变特征变换算法(SIFT)对图像进行特征匹配,最后利用加权平均算法进行图像融合实现图像的无缝拼接。实验结果表明,图像的匹配对增加了86%,匹配效果优于现有SIFT方法。     

基于区域统计直方图与自适应规则的图像匹配算法

当前解决图像匹配算法主要是依靠独立像素点的灰度特性来完成图像配准,当匹配图像存在较大的灰度差异时,易出现较多的误匹配点,使得算法的鲁棒性与匹配正确度不高。提出基于区域统计直方图耦合自适应规则的图像匹配算法。首先,利用积分图像的方式求取矩形区域内像素值,再采用Hessian矩阵行列式提取特征点,以提高算法的计算效率;然后,引入极坐标系,对特征点的邻域进行分割,利用像素点对应的微分不变矢量的特性,构建区域统计直方图模型,用以求取分割区域内所有像素点的微分不变量的统计直方图,生成特征描述子。将特征点对应的描述子向量进行欧式度量,借助自适应规则对门限值进行整定,完成特征点的匹配,以提高算法的匹配精度以及鲁棒性;最后,引入PROSAC算法,通过对匹配特征点之间的极限距离平方和进行评估判定错误匹配点,以剔除错误匹配点。仿真实验结果表明,与当前图像匹配算法相比,所提出的算法具有更高的配准精度与鲁棒性。该算法在图像伪造、图像检索等信息应用领域具有重要应用价值。     

基于最小卡方统计的刑侦图像目标提取算法

针对刑侦图像的自动目标提取问题,提出一种基于最小卡方统计的图像阈值化分割算法。该算法在图像一维直方图的基础上,利用卡方统计计算原图像与二值化后图像之间的相似性程度,从而获取最佳的分割阈值,提取图像中的目标区域。在实际刑侦图像库上的测试结果表明,该算法可以有效提取不同类型刑侦图像中的目标区域。     

一种基于偏微分方程的文本图像版面分割方法

为了能有效分割版面复杂的文本图像,提出了一种新的文本图像分割算法。该算法先采用Hough变换来进行文本倾斜的检测和校正,再根据本文提出的投影直方图法自适应地确定文本行的间距,之后应用偏微分方程方法对文本图像进行分割。最后通过实例阐明了该算法的有效性。     

CUDA架构下的灰度图像匹配并行算法

提出一种NVIDIA CUDA架构下的灰度图像匹配算法,利用GPU加速灰度图像的匹配过程。实际的测试结果表明,在现有实验环境中,对同一图像,在不损失匹配精度的前提下,在GPU上使用CUDA实现的灰度图像匹配并行算法比在CPU上使用MPI实现的灰度图像匹配并行算法快了40多倍,性能得到了显著提高,从而使灰度图像匹配应用于如交互式系统等实时应用成为可能。     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

基于GPU的实景三维模型裁剪算法研究

图形处理器(Graphic Processing Unit, GPU)作为主流高性能计算的加速设备,已越来越多地应用于诸多领域的并行计算中,利用GPU的并行计算能力,可以极大地提高传统算法的计算效率。文章主要研究GPU多线程计算方法与统一计算架构(Compute Unified Device Architecture, CUDA)技术在实景三维模型裁剪中的应用,提出了一种基于GPU的实景三维模型裁剪算法,包括设计了基于面拓扑的多级索引结构,以实现线程内重复交点快速查找;提出了一种轻量多边形三角化方法,优化算法流程;使用多种优化策略,在不影响裁剪网格质量的情况下进一步提高算法的性能。结果表明：根据模型大小与裁剪次数的不同,相较于传统算法,所提方法在单次裁剪的情况下加速比可达13.93,在多次裁剪的情况下加速比可达35.85,显著地提高了模型的裁剪效率。     

基于显著性检测的极光弧分割算法

针对全天空极光图像低对比度、边缘模糊的特点,提出一种基于显著性检测的极光弧分割算法。通过直方图统计全天空极光图像视野内的灰度信息,计算出视野内像素间的欧氏距离,以凸显极光弧区域,并生成极光弧显著图,再利用模糊C均值聚类分割算法对显著图进行分割,得到极光弧分割结果。采用中国北极黄河站观测的2000余张极光弧图像进行实验,视觉效果及利用分割图计算极光弧倾斜角与人工标注的对比结果均表明,与基于显著性的分割算法与最大类间方差法、模糊C均值聚类法、局部模糊C均值聚类法等分割算法相比较,具有较好的抗噪声性能和分割结果。     

基于多颜色和局部纹理的水果识别算法研究

为提高水果种类识别的准确性,本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本,使用最大类间方差法Otsu分割图像,得到水果图像的目标区域,分别对目标区域进行红、绿、蓝(RGB)颜色模型和色调、饱和度、明度(HSV)颜色模型的直方图分析,采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征,利用局部二值模式(local binary patterns,LBP)对目标区域提取局部纹理特征,对颜色和纹理特征向量进行优化组合,结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较,得到基于不同特征的水果识别率。研究结果表明,本算法分类识别率可达90%以上,高于单一特征算法识别率。该研究具有一定的实际应用价值。     

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法．用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象．新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重．实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性．     

基于CUDA的细分曲面阴影体算法

为了在虚拟现实、电脑游戏等图形应用中更快速生成和实时绘制细分曲面的阴影,提出采用CUDA架构的GPU阴影体生成算法.该算法采用基于CUDA的曲面细分算法,通过CUDA共享内存结构使表面细分过程更加高效.采用基于CUDA的阴影体算法产生阴影轮廓线以及拉伸出阴影体.通过基于CUDA的流式缩减算法对阴影体数组进行压缩.通过优化CUDA和OpenGL的互操作,将绘制过程从以往算法的3步减少为2步.该算法在具有CUDA硬件的标准PC上进行测试.实验结果表明,与之前的GPU的算法相比,该算法可以生成更复杂细分曲面的阴影体,阴影体数组占用显存空间降低到2％以下,并可获得高达4倍的绘制速度提升.     

低复杂度的增强图像来源检测算法

随着多媒体技术的飞速发展,增强图像因视觉效果好而被广泛使用.常规图像增强算法包含直方图均匀化、伽马校正等.然而,近期提出了一种基于对比度增强效果的可逆信息隐藏算法.该算法在往载体中嵌入一定比例秘密信息后,可生成与常规图像增强算法视觉效果一致的含密增强图像.此类增强图像的出现为后续不分辨增强图像来源而直接使用的操作带来了...     

基于CUDA的离散粒子系统模拟仿真及其实现

使用CUDA（compute unified device architecture,统一计算架构）,利用GPU（graphic processing unit,图像处理器）强大的并行能力实现DEM（discrete element method,离散单元法）的离散粒子系统模拟仿真。邻域搜索时使用基于哈希表排序的邻域搜索算法,依据CUDA内存模型的特点对系统做出有效的内存规划,并使用CUDA流技术通过将粒子碰撞和数据输出分割成4个流异步执行,来隐藏数据拷贝的部分延迟。通过使用CUDA的事件作为GPU计时器监测,实验证明本文中的并行搜索算法的执行效率很高,而使用合理的内存策略和流技术也可以有效的提高系统盼性能。