基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

基于CUDA加速的Vibe前景检测算法

为了更好地满足视频跟踪领域的实时性问题,文章提出一种基于CUDA加速改进后的Vibe前景检测算法。首先对Vibe算法做前景分析,并对该算法进行GPU并行优化处理。然后,对优化后的算法与原始的Vibe算法,在调节相应的参数的同时,统计对比分析了漏检率和误检率等性能上的差异。实验结果表明,在相同参数的情况下,优化后的算法较原始的算法在速率上提高了近2-3倍。     

基于边缘强度匹配的图像融合并行算法的研究

图像融合是图像理解和计算机视觉领域中的一项重要课题。随着图像规模的增大,图像融合面临着处理速度的挑战。最近几年,GPU面向通用计算应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了基于边缘强度的图像融合算法,提出了该算法的并行模型。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到较好视觉效果和较优的评价指标,执行速度与CPU上相比提高了3个数量级。     

基于CUDA平台的数据库序列比对算法加速

在生物信息学中,数据库序列比对是极为常用的操作,Smith-Waterman算法是最流行的序列比对算法,精确度高,但是计算复杂度高,在进行大量的序列比对非常耗时。另外,生物技术的发展使得已知的序列数据库变得越来越庞大,这导致进行数据库序列比对所消耗的时间也越来越长,因而有必要加速数据库序列比对算法。NVIDIA提出了CUDA编程架构,相比之前的GPGPU具有更好的可编程性,用户可以更轻松地发掘出GPU强大的计算能力。在CUDA平台上实现了Smith-Waterman的数据库序列比对算法的并行加速,速度优于已有的基于GPU的实现,超过了基于启发式算法的BLAST算法执行速度。     

基于GPU运算的车辆跟踪算法

随着并行计算技术的高速发展,GPU的架构不断完善,GPU强大的并行计算能力得以充分发挥,在图像处理领域优势更加明显。与以往的系统相比,基于GPU的系统不仅在性能上有着显著的提升,在开发成本和开发周期上也有一定的优势。SIFT描述算子,作为一个图像特征点的描述方法,具有图像旋转、尺度缩放、亮度变化的不变特性,对视角变化、仿射变换、噪声也保持一定程度的稳定性的特点,在医学图像,计算机动画,虚拟现实等领域都有着广泛的应用。SIFT算子涉及到大量的矩阵运算,与之前采用的CPU计算的方式相比,GPU的并行运算能提高几百甚至上千倍的速度。车辆特征的跟踪涉及到车辆特征的检测、描述与匹配,用GPU的并行运算,让车辆的跟踪真正得以实现。     

基于GPU运篡的车辆跟踪算法

随着并行计算技术的高速发展,GPU的架构不断完善,GPU强大的并行计算能力得以充分发挥,在图像处理领域优势更加明显。与以往的系统相比,基于GPU的系统不仅在性能上有着显著的提升,在开发成本和开发周期上也有一定的优势。SIFT描述算子,作为一个图像特征点的描述方法,具有图像旋转、尺度缩放、亮度变化的不变特性,对视角变化、仿射变换、噪声也保持一定程度的稳定性的特点,在医学图像,计算机动画,虚拟现实等领域都有着广泛的应用。SIFT算子涉及到大量的矩阵运算,与之前采用CPU计算的方式相比,GPU并行运算能提高几百甚至上千倍的速度。车辆特征的跟踪涉及到车辆特征的检测、描述与匹配,用GPU的并行运算,让车辆的跟踪真正得以实现。     

一种基于神经网络图像边缘检测的方法

本文提出一种采用组合神经网络对图像边缘检测的方法,该组合神经网络由自组织竞争型神经网络和BP神经网络所组成,结合遗传算法,通过学习与训练,可实现对图像的边缘检测。     

基于GPU的PCA图像融合算法研究

遥感图像融合技术是有效利用多传感器、多平台、多光谱、多时相遥感数据的主要途径.针对经典的主成分分析(PCA)融合串行算法,提出一种新的基于CPU/GPU异构系统的并行PCA融合算法.实验结果表明,基于CPU/GPU异构系统CUDA架构的并行PCA融合算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理4096×4096图像数据时,最高能获得将近134倍的加速速率,极大的提高了PCA融合算法在实际应用中的实时性.     

一种基于梯度的细胞图像边缘检测算法

医学图像处理中对细胞形态的分析主要依赖于边缘检测技术,针对医学细胞图像的特性,提出了一种新的边缘检测算法,算法基于梯度原理,采用5×5检测窗口,分别计算水平、垂直方向的4个条形子窗口的像素均值差,采用它们绝对值的最大值做为各自的方向梯度,再取两个方向梯度的最大者作为检测窗口中心点的梯度值,最后对梯度图像进行细化并提取边缘。实验证明,提出的算法提取的细胞边缘连续性好、精确度高,具有一定的抗噪声能力,性能优于传统的检测算法。     

基于GPU的AES算法实现

近几年图形处理器GPU的通用计算能力发展迅速,现在已经发展成为具有巨大并行运算能力的多核处理器,而CUDA架构的推出突破了传统GPU开发方式的束缚,把GPU巨大的通用计算能力解放了出来.本文利用GPU来加速AES算法,即利用GPU作为CPU的协处理器,将AES算法在GPU上实现,以提高计算的吞吐量.最后在GPU和CPU...     

异号权重模板CNN的似细化特性及其应用

本文发现并以定理的形式证明了具有异号权重模板的细胞神经网络系统在非均匀增益分段性输函数下的细 化稳态性性。     

基于CUDA的JPEG压缩算法优化

随着图形处理器（GPU）的处理能力的不断增强,图形处理器越来越多地被应用于计算密集型的数据运算处理中。JPEG图像压缩算法中的部分步骤存在典型的并行特性,针对大分辨率图像JPEG压缩串行顺序执行时间开销较大的问题,利用CUDA的并行计算和图形硬件的可编程性,可实现对JPEG图像压缩的加速,同时结合GPGPU硬件结构可实现JPEG压缩程序程序的优化设计。通过程序测试实验,与串行程序比较加速比在20以上。     

CUDA下局部阈值和二值函数的边缘检测

随着GPU编程的发展,海量数据并行运算更加普及,GPU编程已演化为高度并行、多线程、多核处理的高速大数据计算能力,具有较高的存储器带宽。局部阈值和二值函数下的边缘检测是将3×3图像通过局部阈值函数转换到位块中,而位块中出现的一些模式则被定义为边缘检测算子,该算法能够更快地对图像进行有效的边缘检测。文中介绍了局部阈值和二值函数边缘检测原理,以及如何利用CUDA实现检测,并通过调试仿真将传统边缘检测与局部阈值和二值函数边缘检测的时间进行对比,以证明局部阈值和二值函数边缘检测更快更有效。     

基于CUDA架构与B样条的实时锥束CT重建算法

随着X线探测板数据采集速度的快速发展,研究者开始利用C臂机采集投影数据并重建断层图像,用于手术导航或者放射治疗.但是普通PC的重建速度慢,很难匹配硬件数据采集速度,限制了其在实时临床环境中的应用.本文提出一种基于CUDA(Compute Unified Device Architecture)架构的改进FDK算法,利用GPU(Graphic Porcessing Unit)显卡的并行计算能力实现了实时CT重建,并通过B样条插值提高重建图像的质量,在实时临床环境中具有很好的应用价值.     

基于 GPU 加速的并行字符串匹配算法

在分析了经典的串行字符串匹配算法（BF ,KMP ,BM ,BDM ,Shift -And/Shift -Or ,ZZL）基础上,对ZZL算法的预处理过程进行改进,并结合GPU的单指令多线程的并行计算特点,对ZZL算法进行并行改进,以达到处理大规模数据的速度提升。     

基于GPU的高度并行Marching Cubes改进算法

提出一种完全基于GPU(graphics processing unit)的高度并行Marching Cubes改进算法.针对Marching Cubes算法流程中数据处理阶段进行优化.首先并行遍历每个体元,以序列形式得到每体元的非空状态,再利用高效流式缩减操作获得非空体元序列以便仅针对非空体元高度并行地生成等值面三角形.实验表明,与同市场价格CPU实现相比,该算法效率最高提高到了前者的9倍以上.     

基于CNN的泄漏电缆入侵检测定位算法

泄漏电缆入侵检测系统所处的外部环境较为复杂,为降低环境因素对泄露电缆入侵检测的影响,提出了基于卷积神经网络的入侵检测算法。通过卷积神经网络处理大量的样本数据,并从数据中自动提取内在特性,实现泄漏电缆电磁入侵检测系统更低的误报率、漏报率和更高的定位精度的目标,搭建了卷积神经网络入侵检测模型,并用样本数据对模型进行训练和测试。模型测试结果表示其具有低漏报率和误报率,定位精度可达到1 m。