图形加速技术的发展

图形/图像技术应用日臻广泛,图形/图像技术涉及的巨量信息处理是CPU一个瓶颈问题,通常会导致图形/图像处理的质量无法满足用户需求,特别是计算机游戏开发对图形处理的要求更高,图形加速技术发展随之诞生,经历了从2维加速到3维加速,从数据复制到物理模拟等技术发展,逐渐弥补了CPU处理能力的不足,提高了图形/图像处理能力,拓展了计算机图形/图像处理的应用范围.     

基于OpenGL的快速图像渲染方法*

针对在动态图形绘制基础上进行图像渲染的问题,基于Mac OS X操作系统的核心制图与渲染技术,提出了重组OpenGL渲染流程实现加速图形绘制与图像渲染结合的管道化方法,目的是实现GPU完全承担绘图和渲染加速。整个流程无须CPU参与,在提高图形子系统性能的同时优化了应用程序响应能力。     

计算机图形图像处理的关键技术探析

随着计算机技术及相关科学技术的发展,计算机图形图像处理技术在现实中应用的已非常广泛,其主要是运用计算机网络技术来实现对图形及图像的设计、调整及美化等处理工作,有效地推动了相关科技的发展.计算机图形图像处理技术应用过程中有效地集合了CAD、CAE及数字化等先进的科学技术,这极大地方便了人们的日常生活、工作及学习,同时也带动了相关产业的快速发展.鉴于此,从计算机图形图像系统概述出发,针对计算机图形图像处理的关键技术及其相关应用展开了深入的探析,以期为相关专业人士提供有价值的参考.     

基于计算机图形分析图形图像处理技术的革新路径

图形图像处理技术是计算机现实应用的重要方向,在在图形设计和图像传输等工作中发挥着至关重要的作用.尤其在计算机图形学的快速发展中,图形图像技术也在很大程度上拓展了应用范围,但是在图像真实感、压缩文件失真、以及可视化技术上仍然存在一些不足之处.本文基于计算机图形视角,分析了图形图像处理技术的革新路径,旨在提升图形图像处理技术的现实应用效果.     

计算机技术在图形图像处理中的应用研究

目前,基于CPU(Central Processing Unit,中央处理器)的图形图像处理技术的发展难以跟上图形图像处理算法复杂度增加的速度。针对这一问题,本文对基于GPU(Graphic Processing Unit,图形处理器)的图形图像处理技术进行了研究,即利用CUDA(Compute Unified Device Architecture,统一计算设备架构)技术,使用C++语言在GPU上实现了图像图像处理中的彩色负片处理、高斯模糊处理以及Alpha透明混合处理。实验表明,本文所实现的基于GPU的处理技术能以较短的时间达到与基于CPU的处理技术一样的效果。     

二维动画采用图形图像处理技术的分析

对图形和图像的定义做了阐述,从图形图像处理技术的主要内容和被应用时的作用两个方面,对图形图像处理技术做了简单的解释,提出了二维动画的概念以及制作过程,二维动画采用图形图像处理技术的意义,并结合二维动画制作的各个阶段,分析了每个阶段采用的图形图像处理技术.     

CPU/GPU 异构环境下图像协同并行处理模型

随着GPU通用计算能力的不断发展,一些新的更高效的处理技术应用到图像处理领域.目前已有一些图像处理算法移植到GPU中且取得了不错的加速效果,但这些算法没有充分利用CPU/GPU组成的异构系统中各处理单元的计算能力.文章在研究GPU编程模型和并行算法设计的基础上,提出了CPU/GPU异构环境下图像协同并行处理模型.该模型充分考虑异构系统中各处理单元的计算能力,通过图像中值滤波算法,验证了CPU/GPU环境下协同并行处理模型在高分辨率灰度图像处理中的有效性.实验结果表明,该模型在CPU/GPU异构环境下通用性较好,容易扩展到其他图像处理算法.     

基于图形处理器加速的医学图像配准技术进展

针对目前医学图像配准技术无法满足临床实时性需求问题,对基于图形处理器(GPU)加速的医学图像配准技术进行综述探讨。首先对GPU通用计算进行概述,再以医学图像配准基本框架为主线,对近年来基于GPU加速的医学图像配准技术在国内外发展现状进行深入研究,并针对正电子发射型计算机断层显像(PET)和电子计算机断层扫描(CT)数据的非线性配准问题,分别基于中央处理器(CPU)和GPU平台进行配准实验,通过实验结果的对比,体现GPU加速配准技术的优越性。基于GPU加速的自由形变(FFD)和归一化互信息(NMI)结合的非线性配准方法配准后互信息值略低于CPU平台的配准结果,但其配准速度是CPU平台的12倍。基于GPU加速的配准算法在保持配准精度的基础上,配准速度都得到了很大的提升。     

浅谈图形图像处理在二维动画中的应用

近些年来,社会得到了不断进步,经济得到了高速发展,人们生活水平有了很大提升,并且迈入了信息化、网络化时代,不管是在人们的日常生活中,还是在工作过程中,计算机、互联网与人们形影不离,而计算机和互联网的发展又从根本上促进了动画产业的发展,动画制作已经不像过去一样用笔绘画,而是使用计算机来制作二维动画,二维动画的成功制作也离不开图形图像的处理,本文中,笔者就对计算机图形图像的处理技术进行很好的结合,通过制作二维动画的常识来浅谈图形图像处理在二维动画中的应用,并且通过例如MTV、Flash等二维动画的制作流程来分析图形图像处理技术。     

基于Photoshop运用技巧下的计算机图形图像处理技术研究

随着计算机的发展,图形图像技术也被广泛应用.计算机中的Photoshop可以制作出比较完美的图像,它也是多个领域处理图片的必备软件.本文简要分析了Photoshop的基本功能,并详细说明了计算机图形图像处理技术在Photoshop运用技巧遵循下的运用方式.     

医学图像图深度学习分割算法综述

精准分割医学图像中的器官或病灶,是医学图像智能分析领域的重要难题,其在临床上对于疾病的辅助诊疗有着重要应用价值。在解决医学图像信息表征及对非欧空间生理组织结构准确建模等挑战性问题方面,基于图深度学习的医学图像分割技术取得了重要突破,展现出显著的信息特征提取及表征优势,可获得更为精准的分割结果,已成为该领域新兴研究热点。为更好促进医学图像图深度学习分割算法的研究发展,对该领域的技术进展及应用现状做了系统的梳理总结。介绍了图的定义及图卷积网络的基本结构,详细阐述了谱图卷积和空域图卷积操作。根据GCN结合残差模块、注意力机制模块及学习模块三种技术结构模式,归纳并总结了其在医学图像分割中的研究进展。对图深度学习算法在医学图像分割领域的应用和发展做了概要总结和展望,为该领域的技术发展提供参考和新的研究思路。     

图知识蒸馏综述：算法分类与应用分析

图数据, 如引文网络, 社交网络和交通网络, 广泛地存在现实生活中. 图神经网络凭借强大的表现力受到广泛关注, 在各种各样的图分析应用中表现卓越. 然而, 图神经网络的卓越性能得益于标签数据和复杂的网络模型, 而标签数据获取困难且计算资源代价高昂. 为了解决数据标签的稀疏性和模型计算的高复杂性问题, 知识蒸馏被引入到图神经网络中. 知识蒸馏是一种利用性能更好的大模型(教师模型)的软标签监督信息来训练构建的小模型(学生模型), 以期达到更好的性能和精度. 因此, 如何面向图数据应用知识蒸馏技术成为重大研究挑战, 但目前尚缺乏对于图知识蒸馏研究的综述. 旨在对面向图的知识蒸馏进行全面综述, 首次系统地梳理现有工作, 弥补该领域缺乏综述的空白. 具体而言, 首先介绍图和知识蒸馏背景知识; 然后, 全面梳理3类图知识蒸馏方法, 面向深度神经网络的图知识蒸馏、面向图神经网络的图知识蒸馏和基于图知识的模型自蒸馏方法, 并对每类方法进一步划分为基于输出层、基于中间层和基于构造图知识方法; 随后, 分析比较各类图知识蒸馏算法的设计思路, 结合实验结果总结各类算法的优缺点; 此外, 还列举图知识蒸馏在计算机视觉、自然语言处理、推荐系统等领域的应用; 最后对图知识蒸馏的发展进行总结和展望. 还将整理的图知识蒸馏相关文献公开在GitHub平台上, 具体参见: https://github.com/liujing1023/Graph-based-Knowledge-Distillation.     

医学图像深度学习技术:从卷积到图卷积的发展

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积理论、方法和实践,包括图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法;图卷积网络的理论溯源,重要的网络架构和发展脉络;图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制;图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后,提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题：1）多模态医学图像学习中,异构图的构建与学习任务的优化;2）特征重构和池化过程中,如何通过构图算法设计与神经架构搜索算法结合,以实现最优图结构的可学习过程转换;3）高质量图结构医学标注数据的大规模低成本生成与生成对抗网络的算法设计。随着人工智能技术的不断发展和医学影像规模的不断扩大,以图卷积为代表的深度学习方法必将在医疗辅助诊断领域取得更大的突破。     

知识图谱与图嵌入在个性化教育中的应用综述

面对当前日益庞大的教育大数据, 如何在海量数据中高效、准确地提取出高价值的知识, 以满足个性化教学需求, 已成为当前智慧教育的一个研究热点. 作为一种可视化分析技术, 知识图谱可有效构建和挖掘知识及知识间的相互联系, 现已成功应用于诸多领域. 而图嵌入技术的引入, 则有利于提升大数据背景下知识图谱的处理效率.针对个性化...     

采用GPU的视觉定位系统加速实验

计算机视觉在实际应用中的主要瓶颈是系统的准确性和实时性,而实时性的提高又受限于计算机中处理器的处理速度。在一个视觉定位伺服实际系统中,要求有很高的实时性,尝试研究使用GPU建立实时的视觉系统的实际性。视觉定位系统软件分为图像粗定位(目标识别)、图像精定位、运动解算等几部分。当识别图像像素为640×480时,采用单独GPU加速的方式,比CPU加速了2.1444倍,采用CPU和GPU相结合的方式,比CPU加速了4.1548倍。     

基于边界几何特征的重叠颗粒图像分割算法

图像分割是图像处理中的重要问题,也是计算机视觉领域低层次视觉中的主要问题,是成功进行图像分析、理解和描述的关键技术。该文构造了一种针对二值图像边界几何特征的提取的算法,通过对图形边界的凹特性分析,实现了对不规则颗粒图像的分割。该算法仅对提取的图像数据作处理,不对图像本身作任何运算,避免了传统的基于图像形态学的分割算法所导致的图像信息丢失。     

基于GPU的遥感图像配准并行程序设计与存储优化

遥感图像配准是遥感图像应用的一个重要处理步骤.随着遥感图像数据规模与遥感图像配准算法计算复杂度的增大,遥感图像配准面临着处理速度的挑战.最近几年,GPU计算能力得到极大提升,面向通用计算领域得到了快速发展.结合GPU面向通用计算领域的优势与遥感图像配准面临的处理速度问题,研究了GPU加速处理遥感图像配准的算法.选取计算量大计算精度高的基于互信息小波分解配准算法进行GPU并行设计,提出了GPU并行设计模型;同时选取GPU程序常用面向存储级的优化策略应用于遥感图像配准GPU程序,并利用CUDA(compute unified device architecture)编程语言在nVIDIA Tesla M2050GPU上进行了实验.实验结果表明,提出的并行设计模型与面向存储级的优化策略能够很好地适用于遥感图像配准领域,最大加速比达到了19.9倍.研究表明GPU通用计算技术在遥感图像处理领域具有广阔的应用前景.     

图数据库中基于GPU的图分析计算方法

现有的图数据库对于在线分析操作大多采用基于CPU的分布式图计算引擎（如GraphX）,但CPU核心数量有限的不足会导致计算效率低下,同时集群间的同步也会产生额外的通信开销。通过使用图形处理单元（GPU）对图计算进行加速,设计并实现图处理系统RockGraph。该系统能够根据用户需求从图数据库中提取出包含核心信息的子图,经过数据格式转换后,利用JNI工具调用动态链接库,采用超显存GPU图计算框架进行在线分析,并将计算结果写回图数据库。实验结果表明,与基于CPU的分布式图计算系统相比,RockGraph的图分析效率可提高3倍~5倍。