CUDA架构下的液晶自适应波面数值解析

在GPU通用计算架构下,首次提出了CUDA架构下的液晶自适应光学波面数值解析方法。针对高分辨率液晶自适应光学系统,介绍了液晶自适应光学的波面数值解析算法,论述了CUDA的通用架构;然后,建立了CUDA实现波面数值解析的编程模型,在此模型中引入了并行线程的有效利用,全局存储器的高效访问和数据直接回写3种优化方案;最后,给出了GPU与CPU的实验对比结果。结果表明:CUDA计算分辨率为512×512,对35项Zernike多项式的波面数值解析需时不到1ms,计算速度是传统CPU波面数值解析的几十倍。提出的方法减小了系统延时,提高了校正速度,建立波面数值解析CUDA编程模型采用的优化手段可为其它数学计算模型提供参考。     

一种基于灰度直方图原理的Shack-Hartmann波前传感器图像自适应阈值的选取方法

Shack-Hartmann波前传感器光斑图像阈值的选取对质心探测精度有较大的影响。本文结合Shack-Hartmann波前传感器光斑图像的特点,提出了一种基于灰度直方图原理的多峰法自适应阈值选取方法。实验结果表明,对于信噪比大于4的Shack-Hartmann波前传感器光斑图像,本方法能够比较有效的自动选取每帧图像的阈值。