基于图形处理器的时域有限差分算法研究

如何提高时域有限差分算法(FDTD)的运算效率一直是FDTD数值运算研究的核心问题之一.针对近年来图形处理器(GPU)运算能力的高速增长及GPU通用运算概念提出的背景,对GPU加速FDTD运算的潜力与研究现状进行了总结,并对GPU加速FDTD运算的并行实现原理进行了阐述,通过将其与其他典型硬件加速方式进行比较,指出了G...     

基于CUDA的DCT快速变换实现方法

为了加快DCT快速变换的处理速度,提出了一种基于CUDA在图形处理器(GPU)上实现DCT快速变换的方法,其中主要利用DCT变换中各分块之间的独立性适合GPU并行处理架构的特点,把传统串行DCT快速变换算法映射到CUDA并行编程模型,并从线程分配,内存使用,硬件资源划分等方面进行优化,来充分利用GPU的巨大运算能力,实验表明,该方法能有效地提高D阻快速变换的速度.     

基于GPU的雷达成像加权相位自聚焦技术

为了提升雷达成像加权相位自聚焦技术在嵌入式系统中的运算性能,本文提出基于GPU的雷达成像加权相位自聚焦技术。通过利用GPU的通用并行计算架构对雷达成像相位自聚焦技术进行多孔径粗并行与子孔径内部细并行相结合,取得良好的相位误差估计性能同时实现了并行化性能加速。该技术为雷达成像技术在GPU嵌入式系统中的应用奠定了基础。     

基于GPU的并行MSD算法研究

通用计算机的遥测信号处理系统通用性、灵活性强,不受硬件平台限制,便于开发、升级和维护,能够有效克服传统硬件平台的不足。多符号检测(MSD)算法性能优良,具有计算量大、并行度高的特点,适合在通用计算机上进行处理。针对如何提高处理速度,在通用计算机平台上研究基于图形处理器(GPU)的并行MSD算法,通过使用GPU对MSD算法并行加速,提高算法运算效率。实验结果表明,在同样条件下,基于GPU的并行MSD算法较串行算法最大可提速约134倍,能够有效提高处理速度。     

利用CUDA实现的基于GPU的SAR成像算法

高速发展的图形处理器（Graphics Processing Unit,GPU）为高效合成孔径雷达（Synthetic Aperture Radar,SAR）成像算法提供了具有发展前景的新型运算平台。与CPU相比,利用GPU进行通用计算具有成本低、性能高的特点。提出利用CUDA实现的基于GPU的SAR成像算法,与传统的基于CPU的成像算法相比,有两位数以上的效率提升,为应对SAR信号处理领域新的挑战提供具有前景的研究方向。     

基于GPU并行运算的红外运动目标实时增强算法

在一些复杂场景中,红外目标容易受到背景杂波及噪声的干扰,因此难以被准确地检测和识别出来。提出了一种基于光流的红外运动目标增强算法,即利用运动目标与背景之间的速度场差异对目标进行增强处理.同时,对该算法进行了基于计算机图形处理器(Graphic Processor Unit,GPU)并行运算的优化,使其可以在线实时运行.与运动目标检测中常用的帧差法和背景差分法相比,本文算法具有更好的稳健性。由于对实际的红外视频进行了运动目标增强处理,该算法表现出了较好的增强效果和实时性能.     

基于GPU运算的脑部核磁共振图像分割算法

使用脑部核磁共振图像(MRI)检测大脑组织中白质与灰质的变化已经变得积极和富有挑战性.本文提出基于GPU运算的平行模糊C均质聚类算法(FCM),并比较了在不同平台上执行FCM算法的效能.研究结果发现,利用GPU进行MRI图像分割处理时,图像输出相同,同时有效缩短了运行时间,其运算效能比基于CPU的运算效能至少提高7倍;使用单精度浮点运算和传统的Memory-copy数据传输方式就能获得较好的较能和准确率;基于GPU运算的运算平台更具性价比.     

多Stream并行DAG任务映射策略

伴随大数据量的应用任务在中央处理器(CPU)与图形处理器(GPU)组成的异构处理平台上的部署日益广泛,如何高效利用GPU硬件中的并行资源,成为亟待解决的问题。通过对单GPU任务映射策略进行研究,提出多Stream有向无环图(MS-DAG)任务映射策略。通过分析DAG图中的节点依赖关系,根据节点依赖关系的不同,划分合理的并行分支,利用多Stream流水线并行的方式,实现适合GPU硬件特点的任务映射策略。通过与HEFT在不同条件下的性能对比,可以看出：当HEFT算法中的各处理器性能不一致时,MS-DAG任务映射策略的任务映射效率相比HEFT算法有约10%的提升;当HEFT算法中的各处理器性能一致时,MS-DAG任务映射策略的任务映射效率相比HEFT算法有30%的提升。     

利用CUDA加速连续波雷达测速算法

针对连续波雷达中事后分析系统的运算数据量大,运算时间长的特点,提出了一种利用CUDA平台的GPU进行加速运算的方法,它利用GPU的并行运算功能来完成FFT算法。实验结果表明,相比以往用CPU进行事后分析,利用CUDA平台进行事后分析的速度有明显提升。     

基于开放运算语言加速的数字全息卷积重建算法实现

针对数字全息重建算法计算速度慢、实时应用能力弱以及现有GPU加速策略跨平台移植性差等问题,该文提出一种利用开放运算语言(OpenCL)架构提高数字全息重建算法执行效率的方案。该方案充分利用OpenCL架构的异构协同计算能力,对数字全息卷积重建算法进行CPU+GPU的异构运行设计,并采用数据并行模式编程实现。针对不同分辨率数字全息图、不同GPU加速平台的测试结果表明,该加速策略的平均执行时间均比CPU低1个数量级,最高总加速比达到54.2,并行运算加速比甚至高达94.7,且具有规模增长性及良好的跨平台特性,加速效率显著,更加适用于数字全息技术的工程化实现及实时性应用场合。     

基于多向梯度背景预测的红外目标检测算法

为解决复杂空中背景下红外弱小目标的检测,提出一种新的基于多向梯度的背景预测方法。该方法根据云层边缘区域、平缓背景区域及弱小目标所呈现的不同梯度特点,采取不同方法分别进行预测;基本保留云层边缘区域和平缓背景区域的点,而对弱小目标区域采用邻域低灰度值点进行预测。然后经过背景消除和阈值分割,将弱小目标检测出来。仿真结果表明,该算法对复杂空中背景预测有很高的准确性,能够更加有效地抑制云层边缘引起的虚警,将红外弱小目标点检测出来。     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

基于红外背景复杂程度描述的小目标检测算法

提出了关于红外“背景复杂程度”的基本概念,发现并论述了一种有效的红外背景复杂程度定量描述方法。此外,提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法,实现了具备一定普适性的红外图像预处理。在小目标检测问题的研究中,构造并实现了一种更具实用性的先检测后跟踪小目标检测算法,此算法在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。     

云天背景下单帧红外图像的点目标检测

针对云天背景下红外图像中不同的背景成分所具有的不同特性以及它们之间的差异,本文从基于背景预测模型的红外点目标检测方法出发,重点分析和对比了三种背景预测模板在背景预测、背景消除和阈值分割三个检测过程中,对不同的背景成分表现出的不同处理性能.实验结果表明,三种背景预测模板对云天背景中的各种不同背景成分具有不同的处理效果,实际应用时应充分分析红外图像云天背景中的各种不同成分的比重和差异,选择合理的背景预测模板.     

基于改进时域高通滤波红外图像的海上风机塔架腐蚀速率预测北大核心CSCD

为提高海上风机塔架腐蚀速率预测精度与效率,提出基于改进时域高通滤波红外图像的海上风机塔架腐蚀速率预测方法。由基于改进时域高通滤波算法的塔架红外图像质量优化方法,在校正图像不同频域信息的偏移系数之上,引入减底图法、锐化滤波器,有效去除图像噪声信息,并增强塔架目标细节特征,从而优化图像质量;针对处理后塔架红外图像,经基于改进Niblack算法与最大熵算法的塔架红外图像分割方法,以背景、目标分离方式,提取塔架目标图像,作为基于天牛须搜索算法的极限学习机腐蚀速率预测方法的预测样本,预测海上风机塔架腐蚀速率。实验结果显示:该方法在迭代10次后便可高精度预测海上风机塔架腐蚀速率,具备海上风机塔架腐蚀速率准确、快速预测能力。     

结合目标特性和局部背景类别预测的红外小目标检测

探索了一种结合目标特性和局部背景类别预测的红外小目标检测算法。具体研 究了红外天空小目标检测中屏蔽地物虚警的问题。在复杂的红外场景中,地面物体由于复杂多变造成 的虚警会严重影响系统的探测灵敏度和鲁棒性。如果仅从目标特性入手,难以滤除地物虚警。首先利 用新 Top Hat 变换提取出潜目标。然后,对每个潜目标,一方面利用目标特性获得一种潜目标为真实目标的 可能性度量,另一方面考虑潜目标一定大小的邻域背景,根据对背景类别(天空或者地物)的预测获得 另一种可能性度量。最后,结合两种度量滤除虚假目标。实验表明,相比仅考虑目标特性的算法,本文 算法的探测性能有了很大提升。     

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法。该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能。通过大量的仿真实验证明了该算法的有效性和优越性。     

基于局部三阶差的红外小目标图像背景抑制算法

针对复杂背景下红外小目标检测中的背景抑制难题,提出一种基于局部三阶差的红外小目标图像背景抑制算法,采用局部三阶差滤波和去虚假目标来抑制背景并增强目标.仿真结果显示该算法在背景抑制、提高图像信噪比及对比度方面有着很强有效性和稳健性.     

基于形态重构的红外小目标图像背景抑制算法

前视红外(FLIR)小目标图像背景比较复杂,给目标检测和识别造成较大困难.针对图像背景中存在杂波,提出一种基于形态重构的背景抑制技术,分析了获取标记图像时结构算子的选取方法.对AMCOM数据集上的实验表明,提出的算法对于提高图像的信噪比是很有效的.     

云层背景下基于混沌理论的红外小目标检测研究

针对云层背景下红外小目标检测难、可用数据集少的问题,提出了一种基于混沌预测的检测方法。首先从云层背景的空间混沌特征出发,采用径向基函数神经网络设计了混沌序列的预测模型,并利用遗传算法优化网络参数,提高预测精度。然后利用预测模型对图像像素序列的预测值与实际值之间的预测误差,实现了小目标检测。最后通过实验验证了上述算法的有效性,对测试样本的检测率为86.7%,虚警率为0.86%。