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的数学形态学运算并行加速研究

数学形态学运算是一种高度并行的运算,其计算量大而又如此广泛地应用于对实时性要求较高的诸多重要领域。为了提高数学形态学运算的速度,提出了一种基于CUDA架构的GPU并行数学形态学运算。文章详细描述了GPU硬件架构和CUDA编程模型,并给出了GPU腐蚀并行运算的详细实现过程以及编程过程中为充分利用GPU资源所需要注意的具体问题。实验结果表明,GPU并行数学形态学运算速度可达到几个数量级的提高。     

采用GPU并行架构的基于互信息和粒子群算法的异源图像配准

对于异源可见光与红外图像配准,以互信息为相似性度量条件,以粒子群算法为搜索算法,在搜索空间中搜索极大值点,通过改变图像分辨率,由粗到精,逐步实现可见光图像与红外图像的配准,对粒子群算法、统计互信息和仿射变换3个部分的内在并行性,利用CUDA C语言实现GPU-CPU异构编程.实验证明,在不降低精度的前提下提高了算法效率,得到了很好的加速比,算法正确匹配率高,鲁棒性好,计算效率高.     

基于GPU+CPU的CANNY算子快速实现

本文提出一种基于GPU+CPU的快速实现Canny算子的方法。首先将算子分为串行和并行两部分,高斯滤波、梯度幅值和方向计算、非极大值抑制和双阈值处理在GPU中完成,将二维高斯滤波分解为水平方向上和垂直方向上的两次一维滤波从而降低计算的复杂度;然后使用CUDA编程完成多线程并行计算以加快计算速度;最后使用共享存储器隐藏线程访问全局存储的延迟;在CPU中则使用队列FIFO完成边缘连接。仿真测试结果表明：对分辨率为1024×1024的8位图像的处理时间为122 ms,相对应单独使用CPU而言,加速比最高可达5.39倍,因此本文方法充分利用了GPU的并行性的特征和CPU的串行处理能力。     

基于GPU的LCS算法加速机制研究与实现

协议特征识别技术中用到了一种重要的LCS算法,它是一种字符串比对算法,提取出字符串中的最长连续公共子串。然而,通过理论分析和实验表明：这个查找过程是一个时间复杂度较高的运算过程,如果输入的数据分组比较大,那么运行的时间将会非常长,为此不得不控制输入数据分组的大小和数量,这严重限制了所采用样本集的大小。提出了基于GPU对LCS运算实现加速的方法。在此基础上搭建和配置了CUDA平台,在此平台下研究并实现了LCS算法的并行性。通过对LCS算法在CUDA下并行性的研究,有效地加快了LCS算法的运行速度。实验结果表明,GPU下LCS算法的运行效率比CPU有了显著的提高。     

基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

基于CUDA编程接口的GPU Trace模块设计

面对互联时代海量的信息数据,图形处理器凭借极强的并行计算处理能力,通过GPU+CPU的架构为现代无线接入网设备的信号处理,提供了一种理想的技术手段。文章设计了一款基于CUDA编程接口的GPU Trace模块,用于在GPU+CPU平台架构中跟踪记录GPU的运行信息。     

基于局部仿射配准的鲁棒非刚体配准算法

针对传统点集非刚体配准算法对复杂局部形变数据配准精度低,收敛速度慢等问题,该文提出一种基于局部仿射配准的鲁棒非刚体配准算法。该算法采用分层迭代的方式由粗到精地完成点集的非刚体配准。在每层迭代中,首先对子形状点集集合和子目标点集集合进行分块处理并更新分块后每一类子点集的形状控制点。然后利用控制点引导仿射迭代最近点(ICP)算法求解对应子点集间的局部仿射变换。接着利用上一步求解的局部仿射变换,更新子形状点集集合及其形状控制点集合。直到配准误差收敛时,循环结束并输出更新后的形状点集。实验结果表明,所提算法与传统点集非刚体算法相比具有更强的精确性和收敛性。     

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.     

基于KNN的DSA图像去噪及GPU的快速实现

为快速地去除或减少DSA(Digital Subtraction Angiography)图像的噪声,对比评价KNN(K Nearest Neighbors)算法对高斯噪声、泊松噪声、斑点噪声、椒盐噪声4种噪声去除或减少的效果,帮助医生快速准确地为病人诊断疾病.提出的算法主要贡献在于构建了基于GPU(Graphics Processing Unit)的加速方法,使传统图像去噪的运算速度得到大幅提升.基于图像降质、图像还原过程建模,使用KNN算法对4种噪声去除或减少,并对算法做并行化处理,利用GPU加速实现去噪的过程.通过实验得出,KNN算法能较好地去除或减少高斯噪声、泊松噪声来还原DSA图像,使用CUDA(Compute Unified Device Architecture)编写可在GPU上运行的程序,利用GPU对1 024×1 024像素的24位深度的DSA图像去噪,平均渲染帧率能达到190.53 f/s(帧/秒),较传统CPU(Central Processing Unit)串行,平均处理速度提高70.86倍.使用GPU加速能够快速地处理数据量较大、计算密集的DSA噪声图像,实现有效并且快速的高斯噪声去除,帮助医生精、准、快地诊断疾病.     

基于GPU的海面场景SAR回波仿真

通过计算机仿真海平面场景SAR回波间接得到SAR图像是当前SAR领域的研究热点。传统的基于CPU的仿真算法难以满足大场景,高实时性的海面回波生成需求,针对于此,提出了一种基于GPU的高性能海面场景SAR回波仿真方法。该方法采用基于时序的海面场景回波仿真模型,并且结合GPU通用计算平台,将算法的核心部分移植到GPU上进行并行计算。实验结果表明,该方法与传统算法相比在效率上有显著的提升,而且仿真得到的回波可以为后续的研究提供准确的仿真数据。     

在GPU上实现Jacobi迭代法的分析与设计

随着GPU技术的快速发展,GPU的浮点运算能力飞速提升。将GPU浮点处理能力用于非图形计算领域正成为高性能计算领域的热点研究问题。Jacobi迭代法是科学计算中常用的计算方法。在分析了GPU和Jacobi迭代法特征的基础上,基于Nvidia的CUDA平台设计并实现了Jacobi迭代算法,并通过实验表明,相对于CPU取得了较好的加速效果。     

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GPU的太阳图像斑点重建技术实现

在地基太阳观测中,光线在穿越大气层时会受到大气湍流的影响而导致图像扭曲、变形以致质量下降。为了消除或降 低大气湍流的影响,事后图像处理技术被用来获得高分辨力的太阳图像。基于斑点干涉法和斑点掩模的事后重建算 法可以获得高分辨力的图像,但由于计算复杂度高,难以满足实时性的要求。在讨论了算法原理的基础上, 使用CUDA并行计算架构实现了太阳斑点重建算法并行化。实验结果表明,在GPU环境下,一张TiO通 道2304 pixel$\times$1984 pixel像素大小的图像,可以在70 s内完成重建,相比运行在CPU上的串行程序,加速比可达7以上。     

基于星图模拟的星空目标提取

提出了一种将星图模拟技术应用于星空背景空间目标提取的方法,建立了地基光测设备的星图模拟模型,推导了光轴指向计算和星体到焦平面成像的坐标转换。利用模拟星图生成掩模,对实拍星图处理去除恒星背景。实验证明利用模拟星图能够有效去除恒星背景提取空间目标。