检索结果-内蒙古大学图书馆

作者：周文平哈尔滨工业大学

学位级别：博士

人群仿真在社会群体安全、建筑设计、紧急疏散、教育培训、军事演练、数字娱乐、历史场景重现等方面具有广泛的应用价值。越来越多从事虚拟人研究的学者开始关注人群仿真技术及相关算法的研究。\n 大规模人群仿真的研究具有重要的社... 详细信息

人群仿真在社会群体安全、建筑设计、紧急疏散、教育培训、军事演练、数字娱乐、历史场景重现等方面具有广泛的应用价值。越来越多从事虚拟人研究的学者开始关注人群仿真技术及相关算法的研究。\n 大规模人群仿真的研究具有重要的社会意义，主要包括两个方面的研究目标：如何提高人群仿真的真实性(包括行为真实性和动画视觉真实性)和如何提高人群仿真的实时性(即在扩大人群规模的同时提高仿真的效率)。前者可以通过对虚拟环境建模、人群行为模型、人群运动建模等问题的研究来实现，后者则可通过对人群实时渲染技术、人群仿真系统结构设计、并行人群仿真相关算法等问题的研究来实现。\n 在某一特定仿真真实性的前提下实现大规模人群仿真的实时性是当前面临的难题。为此，本文采用并行计算的理论方法，利用现有的多核 CPU及多核GPU的硬件环境，实现了高性能的并行人群仿真。论文主要从并行人群仿真的任务划分算法研究、并行人群动画研究和并行人群仿真体系结构研究三个方面对高性能人群仿真技术进行了深入的研究。\n （1）任务划分算法研究是并行人群仿真的关键问题之一，主要分为两个研究分支：基于个体分组的任务划分方法和基于空间区域分割的任务划分方法。\n 本文提出了两种基于图分割的个体分组的任务划分方法：（a）在基于MST的连通图方法中，首先通过个体的兴趣区域交叉构建无向连通图子图集，对Agent平面坐标点集生成的最小生成树进行冗余边剔除，求得子图间的最小连通边集；然后通过合并子图集与最小连通边集得到子图集的最小无向连通图；最后对无向连通图进行 K路分割以达到任务划分目标。该算法通过最小生成树构建连通图可有效减少任务划分的运算量，使用 GPU求解又能保证算法的性能，可以在保证较低的分区代价的前提下达到较高的运算性能，同时可克服倾斜分布的群体分区执行性能较均匀分布偏低的不足。（b）在基于Delaunay的连通图方法中，首先通过 GPU计算 K-AOI边集，接着通过Delaunay算法求得平面个体顶点集的Delaunay边集，然后通过合并 K-AOI边集和 Delaunay边集的方法构建无向连通图。最后采用 K路无向图分割方法实现任务的划分。两种方法相较现有其他个体分组方法都具有较好的划分代价及执行性能。两种算法能够有效应用于平坦开阔场景的并行人群仿真。\n 本文提出一种基于环境结构理解的空间区域分割的任务划分方法，以解决现有基于区域的任务划分算法将环境视为平面，不适合于复杂多层次仿真场景的问题。通过采用基于区域的划分思路，引入环境结构因素，使得所提自适应任务划分算法适用于多层次复杂环境，首先自动读取场景模型并通过理解转换为连通邻接区域集，然后对区域进行快速粗粒度划分，自然消除了被障碍隔离的相邻区域个体间的关联计算，大大减少了节点间通信量，使之更适合于大规模人群仿真应用。\n （2）在并行人群动画方面，本文提出了一种基于运动捕捉的GPU人群动画方法。高质量的人群渲染效果是大规模人群实时仿真的关键研究内容，仿真的最终目的是呈现给用户感性的视觉认知。个体模型高度复杂的人群动画渲染成为大规模人群仿真面临的问题。通过对运动文件的预处理使得运动数据在个体的运动状态更新和几何变换运算方面适合在 GPU环境下进行并行处理，通过采用细分曲面的方式自动生成运动捕捉模型骨架对应的不同细分层次的几何网格模型，实验结果显示方法对复杂几何模型个体表示的大规模人群具有高效的渲染速度。\n （3）本文提出一种混合式并行人群仿真体系结构，其中包括 CN计算节点、CC主控节点和Viewer视景节点，并设计了三种节点各自承担的任务及相互之间的通讯关系。并行群体仿真体系结构主要包括四种：基于 CPU的多线程并行，基于GPU的流式并行，基于分布式的多机并行以及基于GPU与分布式的混合并行方式。混合并行既满足可扩展性需求，又能充分挖掘每个计算节点的性能,已成为并行群体仿真领域的重要研究分支。群体仿真研究可基于Agent或流体进行，考虑到基于 Agent的群体能够更丰富的表达个体的特性和行为方式，相关 AI算法亦可用于提高 Agent的智能，因此本文基于 Agent方式进行群体仿真研究。分布式仿真实验表明，混合式体系结构对室内多层楼宇或室外场景大规模人群仿真均具有较高仿真性能，相同规模群体的仿真性能与仿真节点数成线性关系表明系统具有良好的可扩展性。\n 通过以上三方面的研究可以有效的构建并行人群仿真平台，应用于各种大规模人群动画和大规模人群行为仿真的研究过程中。

关键词：无向图分割环境结构理解运动捕捉混合式体系结构统一计算设备架构并行人群仿真算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应线程束的GPU并行粒子群优化算法

引用

计算机应用 2016年第12期36卷 3274-3279页

作者：张硕何发智周毅鄢小虎武汉大学计算机学院武汉430072

基于统一计算设备架构(CUDA)对图形处理器(GPU)下的并行粒子群优化(PSO)算法作改进研究。根据CUDA的硬件体系结构特点,可知Block是串行执行的,线程束(Warp)才是流多处理器(SM)调度和执行的基本单位。为了充分利用Block中线程的并行性,... 详细信息

基于统一计算设备架构(CUDA)对图形处理器(GPU)下的并行粒子群优化(PSO)算法作改进研究。根据CUDA的硬件体系结构特点,可知Block是串行执行的,线程束(Warp)才是流多处理器(SM)调度和执行的基本单位。为了充分利用Block中线程的并行性,提出基于自适应线程束的GPU并行PSO算法:将粒子的维度和线程相对应;利用GPU的Warp级并行,根据维度的不同自适应地将每个粒子与一个或多个Warp相对应;自适应地将一个或多个粒子与每个Block相对应。与已有的粗粒度并行方法(将每个粒子和线程相对应)以及细粒度并行方法(将每个粒子和Block相对应)进行了对比分析,实验结果表明,所提出的并行方法相对前两种并行方法,CPU加速比最多提高了40。

关键词：粒子群优化算法并行计算图形处理器统一计算设备架构自适应线程束

来源：评论

学校读者我要写书评

暂无评论

基于CUDA对RNA二级结构预测的并行研究

引用

计算机工程与设计 2014年第1期35卷 297-302,314页

作者：陈飞郝福珍华北计算技术研究所北京100083

为解决长链RNA二级结构预测面临的计算压力,分析了当前基于最小自由能预测RNA二级结构的相关串行、并行算法,提出了一种基于CUDA(compute unified device architecture)编程模型的并行加速算法。在实现时充分利用了支持CUDA编程模型的GP... 详细信息

为解决长链RNA二级结构预测面临的计算压力,分析了当前基于最小自由能预测RNA二级结构的相关串行、并行算法,提出了一种基于CUDA(compute unified device architecture)编程模型的并行加速算法。在实现时充分利用了支持CUDA编程模型的GPU(graphic processing unit)设备中的共享存储器、常量存储器等硬件,对RNA二级结构预测算法中的动态规划进行了有效的并行。实验结果表明,在支持CUDA编程模型的GPU上实现的并行程序,获得了与已有的串行、并行算法相同的准确度,同时运行速度更快。

关键词：统一计算设备架构 RNA二级结构预测并行算法最小自由能动态规划

来源：评论

学校读者我要写书评

暂无评论

基于GPU的目标识别算法的并行化研究

引用

太原理工大学学报 2015年第6期46卷 713-718 726,726页

作者：刘宝平陈庆奎李金静刘伯成上海理工大学光电信息与计算机工程学院上海200093 上海理工大学管理学院上海200093

针对可变形部件模型算法(DPM)的计算量大,无法完成实时检测等问题,通过GPU编程模型CUDA,在Nvidia GPU上实现了HOG算法和DPM算法的并行化;采用OpenCL编程模型实现了DPM算法在集成显卡上的并行化。通过CPU和GPU的协同计算,保证目标识别效... 详细信息

针对可变形部件模型算法(DPM)的计算量大,无法完成实时检测等问题,通过GPU编程模型CUDA,在Nvidia GPU上实现了HOG算法和DPM算法的并行化;采用OpenCL编程模型实现了DPM算法在集成显卡上的并行化。通过CPU和GPU的协同计算,保证目标识别效果的前提下,并行化的算法的执行效率相比于OpenCV中的CPU或GPU实现有明显的提高;通过对目标识别算法的并行化,结合其他算法,使得这类复杂算法能够在一些需要实时监测的工程领域中得到应用。

关键词：梯度方向直方图可变形部件模型图形处理器协同计算统一计算设备架构开放运算语言

来源：评论

学校读者我要写书评

暂无评论

基于CUDA架构下的直方图均衡并行算法

引用

桂林理工大学学报 2021年第3期41卷 654-663页

作者：肖汉肖诗洋孙陆鹏郭宝云郑州师范学院信息科学与技术学院郑州450044 东北林业大学土木工程学院哈尔滨150040 山东理工大学建筑工程学院山东淄博255000

为了提高图像对比度,解决传统的直方图均衡算法处理速度慢的问题,提出了基于统一计算设备架构(CUDA)的直方图均衡图像实时处理加速方案。利用图形处理器(GPU)强大的计算能力和CUDA优化的存储器结构,以加速直方图均衡中的图像灰度级投票... 详细信息

为了提高图像对比度,解决传统的直方图均衡算法处理速度慢的问题,提出了基于统一计算设备架构(CUDA)的直方图均衡图像实时处理加速方案。利用图形处理器(GPU)强大的计算能力和CUDA优化的存储器结构,以加速直方图均衡中的图像灰度级投票、分布概率累加并映射以及图像新的灰度值填充等功能进行运算。在CUDA条件下,对直方图均衡算法进行串-并行分析,分别从粗粒度与细粒度角度进行并行设计,通过实验测定进行了设计参数寻优,获得了线程块设计参数的最优尺寸。结果表明,基于CUDA的图像直方图均衡并行算法的性能相比基于CPU的串行算法和基于开放多处理(OpenMP)并行算法分别获得了61.58和32.00倍的加速比,能够为大规模实时性图像处理系统设计提供参考。

关键词：直方图均衡图像增强图形处理器统一计算设备架构并行算法

来源：评论

学校读者我要写书评

暂无评论

基于图形处理器的视频二值概率分割

引用

计算机应用 2015年第11期35卷 3187-3193页

作者：李金静陈庆奎刘宝平刘伯成上海理工大学光电信息与计算机工程学院上海200093 上海理工大学管理学院上海200093

针对现有视频二值分割算法分割性能过低的问题,提出了一种基于GPU的视频实时二值概率分割算法。该算法通过规范化视频帧中每个像素属于前景类和背景类的概率大小,实现了基于二次马尔可夫测量场(QMMF)模型的视频实时二值概率分割。首先... 详细信息

针对现有视频二值分割算法分割性能过低的问题,提出了一种基于GPU的视频实时二值概率分割算法。该算法通过规范化视频帧中每个像素属于前景类和背景类的概率大小,实现了基于二次马尔可夫测量场(QMMF)模型的视频实时二值概率分割。首先分别为不同场景的视频帧提出了两种概率模型,即静态背景概率模型(SBLM)和动态背景概率模型(UBLM);然后,通过光照矫正算法颜色转换、阴影抑制算法阴影检测以及伪装检测算法来计算每个像素属于背景类的概率值;最后,通过Gauss-Seidel模型迭代计算出了使能量函数取得最小值的背景概率值进而得到像素的二值化值。此外,为了提高算法分割的准确性,该算法包含了对光照突变、投射阴影以及伪装情况的实时处理。同时,为了满足算法的实时性要求,在NVIDIA GPU上并行实现了该算法。验证了所提算法的分割性能即算法分割的正确性,测试了算法的GPU执行时间。实验结果表明,在算法分割完整性方面Vi Be+和GMM+的平均漏检率和平均误检率分别是QMMF的3倍和6倍;在算法执行时间方面Vi Be+和GMM+的平均GPU执行时间大约是QMMF的1.3倍。此外,还计算了QMMF算法的GPU加速比约为76.8。

关键词：二值分割二次规划二次马尔可夫测量场模型概率 Gauss-Seidel模型统一计算设备架构

来源：评论

学校读者我要写书评

暂无评论

基于GPU的超声速复杂流动并行计算研究

基于GPU的超声速复杂流动并行计算研究

引用

作者：赖剑奇国防科技大学

学位级别：博士

随着计算流体力学(Computational Fluid Dynamics,CFD)的日益成熟和计算机技术的迅猛发展,CFD在飞行器气动性能分析与优化设计、复杂流动机理分析中的作用和地位日益突出。近年来,CFD数值模拟的几何外形、流动机理、物理模型日益复杂,... 详细信息

随着计算流体力学(Computational Fluid Dynamics,CFD)的日益成熟和计算机技术的迅猛发展,CFD在飞行器气动性能分析与优化设计、复杂流动机理分析中的作用和地位日益突出。近年来,CFD数值模拟的几何外形、流动机理、物理模型日益复杂,计算规模空前增加,迫切需要通过实现高效并行计算来提高计算效率。图形处理器单元(Graphic Processing Units,GPU)在数据并行上具有强大的浮点运算能力和存储带宽。随着GPU可编程性的提高,GPU近年来在分子动力学、直接模拟蒙特卡洛、CFD、气象预测、深度学习等通用计算领域应用广泛。在GPU上实现CFD高效并行计算是通用计算领域的研究热点。充分考虑GPU体系架构的特点以及物理模型和计算方法与GPU架构的适用性,在GPU上开展超声速复杂流动大规模并行计算研究。针对CPU和GPU的不同架构特点,建立了基于GPU的CFD并行可压缩流求解器。求解器基于非结构网格格心型有限体积法,将线程块和线程网格配置成一维形式,采用线性重构来获得空间离散的二阶精度,采用AUSM+UP格式和AUSMPW+格式来计算无黏通量,采用中心格式来计算黏性通量,采用K-ωSST湍流模型来模拟湍流。在GPU上实现无数据依赖性的有利于并行计算的DP-LUR隐式时间推进方法,将LU-SGS方法中的对角扫掠替换为几次逐点松弛迭代过程。数值结果表明,相比于显式Runge-Kutta方法,采用DP-LUR方法可以提高GPU程序收敛速度。采用NACA0012翼型扰流、层流平板边界层、压缩拐角、超声速进气道、双椭球等数值算例验证GPU并行程序的正确性。针对超声速复杂流动的数值模拟,建立了基于MPI+CUDA编程模型的多GPU大规模并行计算方法。采用一维区域分解法实现网格划分,使得各计算设备上负载的网格量一致。采用CPU作为“媒介”实现GPU间的数据交换。设计了三种数据通信模式:阻塞型通信模式、非阻塞型通信模式、异步并发通信模式。采用异步并发通信模式可以实现GPU计算、CPU-CPU之间通信和CPU-GPU之间数据传输的相互覆盖,计算效率提高了10%左右。通过空天飞机、超声速横向喷流干扰数值算例验证了多GPU大规模并行计算方法的正确性。在自主搭建的基于PC集群的并行系统和Cngrid12的GPU队列上测试了多GPU并行算法的加速比性能和可扩展性能,并分析影响并行性能的因素。针对超声速平板湍流流动和超声速横向喷流干扰数值算例,计算网格分别达到了3.69亿和3.33亿。数值结果表明,相比于CPU并行计算,GPU并行计算可以获得一到两个量级的加速比。同时多GPU并行系统具有良好的强可扩展效率和弱可扩展效率,在大规模并行计算中保持了较高的并行效率。针对超声速条件下的燃烧化学反应问题,在基于PC集群的NVIDIA Tesla V100 GPU并行系统上建立了燃烧化学反应数值模拟方法。以碳氢燃料/空气混合物燃烧化学非平衡流动为研究对象,采用Dryer的两步反应模型,对超声速模型燃烧室算例进行数值模拟,验证了多GPU超声速燃烧化学反应数值模拟算法的正确性。

关键词：计算流体力学图形处理器单元统一计算设备架构并行计算并行性能超声速流动燃烧化学反应

来源：评论

学校读者我要写书评

暂无评论

GNSS信号软件处理关键技术研究

GNSS信号软件处理关键技术研究

引用

作者：牟卫华国防科技大学

学位级别：博士

随着计算机技术的发展,多核CPU处理器运算能力显著增强,GPU通用计算将GPU应用到工程计算领域,并行计算将计算能力从单个处理器扩展到多个处理器,完全基于通用处理器(General Purpose Processor,GPP)的GNSS信号模拟与接收软件实时处理条... 详细信息

随着计算机技术的发展,多核CPU处理器运算能力显著增强,GPU通用计算将GPU应用到工程计算领域,并行计算将计算能力从单个处理器扩展到多个处理器,完全基于通用处理器(General Purpose Processor,GPP)的GNSS信号模拟与接收软件实时处理条件逐渐成熟。目前GNSS软件信号处理领域使用的算法大都是串行算法,简单移植到并行环境下,不能充分发挥并行硬件的运算能力。本文根据并行计算的硬件特点和并行计算编程模型,对导航信号生成与信道模拟仿真并行处理技术以及导航信号捕获与相关并行处理技术展开研究,具体内容如下:(1)传统的高动态扩频信号DDS生成方法中,每个采样点计算依赖于前一个点,不能够并行化计算,仿真运算实时性差,针对该问题,本文提出了一种基于多项式插值瞬时相位计算的高动态信号并行仿真算法,引入瞬时相位概念,由动态参数和当前时间计算瞬时伪码相位和瞬时载波相位,各采样点的计算彼此不相关,能够将仿真信号组织成多维的数据结构并行计算,提高了信号仿真的实时性。仿真验证结果表明,该算法在GPU上仿真1秒钟100MSPS采样率的信号,仿真与传输耗时384ms,与4线程CPU串行仿真相比,显著提高了仿真速度。(2)针对长周期伪码扩频信号的捕获问题,提出了基于GPU的部分相关码相位空间全局直接捕获算法,利用FFT实现线性部分相关,并行搜索伪码相位,在GPU中加速FFT运算,显著提高了长码捕获的速度。试验结果表明,运用该方法捕获载噪比大于42.7dB?Hz,时间不确定范围±1s,频率不确定范围±5kHz的长码信号,耗时约3s,与在32线程CPU上实现相比,显著提高了捕获速度。(3)为了降低数据处理的规模和存储要求,适应不同性能的GPU,同时有利于多核处理器对数据进行并行任务处理,充分发挥多核的并行处理优势,提出了一种基于GPU的分段部分重叠局部相关长码直接捕获方法,该方法对输入数据分段划分,利用GPU批处理分段数据FFT运算,显著提高了长码捕获的速度。(4)针对长码的频域搜索,提出了一种基于分段相关值相位差精化频率搜索精度的方法,该方法利用两个分段相关值序列计算出相位变化量,估计信号多普勒频率,与具体窗函数无关,仿真结果表明,基于分段相关值相位差精化频率搜索精度方法,估计精度显著优于补零DFT方法和基于窗函数频谱特性估计多普勒频率的方法。(5)针对扩频信号相关计算,引入向量概念,建立了一种基于向量内积的并行相关模型,利用GPU以及向量内积算法并行计算相关值,发挥了GPU的并行运算潜力,提高了扩频信号相关运算的实时性,使用向量空间的概念来分析导航信号相关接收带来了诸多方便。(6)建立了一种基于矩阵向量运算的扩频信号并行多相关计算模型,利用矩阵向量乘法并行计算多个不同伪码延迟相关值,提高了信号多相关器运算的实时性,能够实现扩频信号软件多相关器实时计算。(7)针对延迟多普勒二维合成多相关器的软件计算实时性问题,提出了一种伪码延迟维度和多普勒维度两级并行加速算法,对于伪码延迟维度的多相关值计算,采用基于GPU向量运算的多相关计算方法加速伪码延迟维度运算,采用对部分相关值序列FFT方法并行加速多普勒维度多相关值计算。通过在两个维度并行加速,提高了延迟多普勒二维合成多相关器软件计算的实时性。(8)针对软件接收机几十个通道相关计算的实时性问题,建立了一种基于矩阵向量运算的多导频通道软件并行相关接收模型,利用矩阵向量乘法并行计算各个卫星导频通道相关值,提高了卫星导航信号多导频通道相关运算的实时性,仿真验证结果表明,利用该算法计算25MSPS采样率时长1ms的信号相关值,25个通道共150个相关运算耗时967us,与在32线程的CPU上基于MKL(Intel Math Kernel Library)的实现相比显著加快了相关运算的速度。论文研究成果已经应用到卫星有效载荷模拟器以及地面检测系统,相关方法也可应用于导航信道模拟系统、地面运控系统信号收发设备、信号质量监测与评估系统以及GNSS反射信号处理(GNSS-R)等设备的软件实时信号处理。

关键词：信号仿真软件接收机并行计算图形处理单元统一计算设备架构

来源：评论

学校读者我要写书评

暂无评论

基于混合架构的双通道实时相关器实现

引用

计算机工程 2016年第5期42卷 42-46,53页

作者：裴鑫聂俊陈卯蒸李健中国科学院新疆天文台乌鲁木齐830011

为满足多波束接收机、焦面阵和天线阵等超大数据量终端的处理需求,采用以GPU并行运算为处理核心的FPGA+CPU+GPU混合架构对天文相关器进行设计,利用严格时序的FPGA进行采样和预处理,基于统一计算设备架构平台开发实现GPU并行运算信号处理... 详细信息

为满足多波束接收机、焦面阵和天线阵等超大数据量终端的处理需求,采用以GPU并行运算为处理核心的FPGA+CPU+GPU混合架构对天文相关器进行设计,利用严格时序的FPGA进行采样和预处理,基于统一计算设备架构平台开发实现GPU并行运算信号处理与CPU逻辑控制、存储和显示。测试结果表明,该相关器运行稳定、准确,通过调节混频、滤波和傅里叶变换参数即可实现通带范围内任意频带的高精度测量。

关键词：天文终端图形处理单元相关器统一计算设备架构可重构开放式架构硬件计算平台

来源：评论

学校读者我要写书评

暂无评论

基于CPU+GPU的影像匹配高效能异构并行计算研究

基于CPU+GPU的影像匹配高效能异构并行计算研究

引用

作者：肖汉武汉大学

学位级别：博士

多核CPU和图形处理器(Graphic Processing Unit, GPU)的高速发展,不但促进了图像处理、虚拟现实、计算机仿真等领域的快速发展,同时也为利用GPU进行图形处理以外的高性价比绿色通用计算提供了良好的运行平台。因此,GPU的通用计算己成为... 详细信息

多核CPU和图形处理器(Graphic Processing Unit, GPU)的高速发展,不但促进了图像处理、虚拟现实、计算机仿真等领域的快速发展,同时也为利用GPU进行图形处理以外的高性价比绿色通用计算提供了良好的运行平台。因此,GPU的通用计算己成为高性能计算领域中的热点研究课题之一。伴随着传感器技术的不断进步,致使人们获取地表信息的手段越来越多样快捷。面对数据源的多样化与数据量的成倍增长,许多常规算法很难满足对海量数据进行高速计算的要求。而现代图形硬件GPU日益增加的可编程性和高效能计算能力,则为摄影测量与遥感中可并行化算法的加速提供很大的空间。本文仅就GPU大规模并行计算影像匹配研究中的若干问题进行了详细的分析,并提出了相应的解决方案。具体工作概述如下： (1)通过对摄影测量与遥感领域中与影像匹配处理相关的四种算法在GPU上的并行处理进行研究,提出了基于CPU+GPU的异构群核架构的影像处理共通解决方案,探索了影像处理的GPU大规模并行计算设计模式。基于GPU的影像处理通用并行解决方案要在数据精度、延迟和计算量等几个方面进行GPU加速效果的预评估,算法设计和优化过程中也须采用功能和数据分解、线程映射等并行计算方法以及存储器访问优化、通信优化和指令流优化等优化策略。基于GPU的影像处理通用解决方案设计与性能优化是与GPU的体系结构、求解问题的特征结合在一起的,通常需要多重因素整体考虑并不断尝试,最终达到理想的性能。针对GPU与CPU的不同,重点分析和讨论了GPU的加速原理以及当前比较成熟的统一计算设备架构(Compute Unified Device Architecture, CUDA)通用计算模型构架及其特点。 (2)提出多GPUs加速的Wallis变换影像增强并行算法。借助于GPU较强的运算能力,利用CUDA并行计算架构在个人计算机(Personal Computer, PC)上实现了快速Wallis图像滤波算法,包括GPU上任务分解、大规模计算核心的分解方法,结合使用了共享存储器、全局存储器对算法进行加速。使用线程块内的共享存储器较好地解决了同一计算子空间的各线程同步问题。对比CPU和GPU计算Wallis影像变换的时间,实验结果表明,Wallis变换并行算法可以把计算速度提高2个数量级。该方法具有较好的实时性,可大大提高图像增强过程的处理速度,显著地减少计算时间。 (3)研究基于GPU的Harris角点检测多设备控制并行算法,使用众多线程将计算中耗时的图像高斯卷积平滑滤波部分改造成单指令多线程(Single Instruction Multiple Thread, SIMT)模式,并采用GPU中共享存储器、常数存储器和锁页内存机制在CUDA上完成图像角点检测的全过程。实验结果表明,基于多GPUs的Harris角点检测并行算法成功实现了硬件加速,相对于CPU上运行的Harris角点检测算法,其执行效率有近60倍的提高。 (4)提出基于CUDA架构的快速相关系数影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法系根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化了数据存储结构,提高了数据访问效率。实验结果表明,并行算法充分利用了GPU的并行处理能力,速度是基于CPU实现的近20倍并能获得最高多处理器warp占有率。 (5)研究面向CPU+GPU群核架构的尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征匹配并行算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,与SIFT特征匹配的串行CPU实现方式相比,CUDA实现能够实现超过27倍的性能加速,极大地提高了SIFT特征匹配算法在实际应用中的实时性。 (6)基于CPU+GPU的影像匹配系统集成研究。包括单GPU/多GPUs加速的Wallis-Harris-相关系数(WHR)影像匹配系统和单GPU/多GPUs加速的Wallis-SIFT(WS)影像匹配系统。实验结果表明,GPU加速的WHR影像匹配系统比CPU实现方法整体提速最高达37倍,GPU加速的WS影像匹配系统比CPU实现方法整体提速最高达39倍。

关键词：影像匹配 Wallis变换 Harris角点检测相关系数 SIFT特征并行计算图形处理器统一计算设备架构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：