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.     

红外图像增强技术在TMS320DM642上的应用

针对红外图像普遍存在目标与背景对比度差、边缘模糊、信噪比低和灰度层次差等缺陷,提出了一种改进的直方图均衡红外图像增强算法。首先通过自适应地选择合适的灰度阈值,在图像直方图中将像素所占比例小于阈值的冗余灰度级完全压缩,并对大于阈值的有效灰度级进行基于一种非常合理的对数函数的拉伸变换;然后对拉伸后的灰度级进行常规的直方图均衡处理;最后在整个灰度范围内对经过均衡处理的图像灰度级进行等间距排列。为了满足算法的实时性,设计了一种以TMS320DM642高性能DSP芯片为核心处理器的红外图像增强系统平台。实验结果表明,采用该算法增强后的图像质量明显优于采用直方图均衡算法增强后的图像质量,图像的目标与背景的对比度和图像的清晰度都得到了提高,边缘细节也得到了保留;同时,采用该算法处理一帧320×256×8bits的红外图像仅仅用时16．73ms,完全满足实时图像处理的要求。     

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。     

一种自适应红外舰船图像增强算法

复杂环境下海面舰船红外图像信噪比和对比度低、边缘模糊,目前仍没有一种处理效果好且实时性强的图像增强算法。提出一种基于平台直方图均衡化的自适应红外图像增强算法。首先,分析典型海面舰船红外图像及其直方图的特性;在此基础上,提出一种自适应确定目标/背景粗略阈值的方法;最后将灰度大于该阈值的直方图最大值作为平台值,通过平台直方图均衡化算法自适应地完成海面舰船红外图像的图像增强。实验结果表明,该算法不但有效地增强了图像的对比度、抑制了背景,而且具有较快的运算速度。     

基于GPU的分类并行算法的研究与实现

分析了KNN算法在GPU上实现并行计算的可能性,提出了通过使用CUDA实现KNN算法的方案,在研究了GPU对存储访问的机制后,通过设计合理的数据以及对算法的改进,避免存储体冲突的产生,提高了算法的健壮性。研究结果证明该方法在GPU上的并行运算速度明显要快于CPU,有着很好的加速比。     

红外图像增强系统的设计与实现

针对直方图均衡化算法无法有效抑制噪声的缺点,提出了一种新的自适应红外图像增强算法。首先统计红外图像直方图,估计出平台阈值,然后对统计直方图进行修正,最后校正图像中所有像素灰度值并进行输出。结合实际应用,搭建了高速红外图像增强处理平台。基于该平台用真实图像验证了提出的算法,实验结果表明,本系统在提高对比度的同时,有效地抑制了噪声的干扰,获得了较好的增强效果,算法运行时间小于20ms,能够满足工程项目的实时性要求。     

基于SIFT特征匹配的地面背景下目标识别方法

研究了地面背景下的红外目标识别技术.首先,从提高中值滤波实时性的角度考虑,提出了改进的自适应中值滤波算法,用改进算法对图像滤波;然后,通过空域图像增强方法和基于数学形态学的图像增强方法相结合的方式,提出一种针对地面目标的图像增强算法,拉开目标与背景的灰度差异、突出目标;最后,用基于SIFT特征提取的图像配准方法对增强后的地面背景下的红外目标进行识别(采用MATLAB进行编程仿真试验),匹配过程中重点讨论了匹配阈值的选择问题.实验结果表明,应用该方法对地面目标进行识别的效果比较好,具有一定的实用性和可靠性.     

基于CUDA的压缩感知重构算法并行化研究

压缩感知重构算法存在计算量大、运行时间过长的问题,无法满足人们对算法处理实时/准实时性要求。最近几年,GPU计算能力得到很大的提升,已成为提高算法处理速度最有效的方式之一。根据GPU的硬件特性,文中提出了基于CUDA的压缩感知重构算法的并行设计。实验结果表明:在NVIDIA K20Xm平台上运行,并行算法取得的加速比可达到100X。     

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用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1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

改进直方图均衡化算法及FPGA实现

为了解决图像对比度低和传统的直方图均衡化算法处理速度慢的问题,本文实现了一种改进直方图均衡化算法及FPGA系统。该系统首先在算法进行改进,达到提高了图像增强的目的,其次系统算法应用FPGA视频处理平台上进行硬件实现,实验结果表明：改进算法能产生比较清晰的图像,图像细节保留较好,可以满足图像处理的实时性要求。     

一种对比度增强的边缘检测改进算法及FPGA实现

传统的Sobel实时图像边缘检测算法对光照条件敏感,因此在进行边缘检测时常会有虚假边缘以及遗漏边缘的现象。将采集到的实时灰度图像进行中值滤波,再进行对比度增强来调整图像灰度值,将进行对比度增强后的图像进行Sobel边缘检测并在FPGA上实现。实验结果表明,采用对比度增强改进的边缘算法检测的边缘更加准确,抑制背景噪声能力更强。     

基于FPGA的实时边缘检测系统

提出一种基于FPGA的实时边缘检测系统,运用Verilog语言实现了系统的数据采集、存储和显示.并针对目前边缘检测易受噪声影响的缺点,采用一种结合中值滤波和改进的Sobel边缘检测的图像预处理算法.通过与经典Sobel边缘检测算法处理后的图像相比较.证明所研制的系统对图像噪声干扰有较强的抑制能力,且提取的边缘定位较准确...     

基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。     

基于异构平台的细胞神经网络算法研究

随着GPU的发展,其计算能力和访存带宽都超过了CPU,在GPU上进行通用计算具有成本低、性能高的特点。细胞神经网络由于其特有的性质,非常适合利用GPU进行并行计算,因此,该文提出了利用CU-DA实现的基于GPU的细胞神经网络异构算法,并应用在图像边缘检测上。实验结果证明,与传统的利用CPU实现的边缘检测方法相比,在速度上,基于GPU实现的图像边缘检测方法提高了数十倍,为细胞神经网络在实时图像、视频处理上的应用提供了新的方法。     

实时视频信号的Sobel边缘检测的FPGA实现

在实时视频信号处理中,由于边缘检测等图像处理算法的数据量大,系统采用FPGA+DSP的图像处理方案。利用FPGA可对数据并行处理的特点,在FPGA中实现数据量大、处理速度要求高,但算法结构简单的低层处理算法。文中介绍了在FPGA中实现Sobel边缘检测算法的方法,并提出了自适应阈值的处理方案。实验结果证明,FPGA能够对实时视频信号完成Sobel边缘检测,且自适应阈值模块保证了系统在环境亮度变化的情况下,得到良好的边缘检测效果。     

实时图像双边缘检测算法及FPGA实现

传统的单独采用Roberts和Sobel算子对实时图像的边缘进行检测,其检测出的结果在边缘精度和抗噪能力方面都有待提高。首先将实时图像经过中值滤波来去除噪声,然后再进行Roberts边缘和Sobel边缘检测,实现双边缘检测,最后将得到的边缘数据在FPGA上实现。实验结果表明,双边缘检测优于单独采用Roberts或Sobel边缘检测算法,检测出的边缘更加清晰,抗噪能力增强。     

基于FPGA的红外图像细节增强算法设计与实现

双边滤波算法是一种有效的红外图像细节增强算法,具有保边去噪的效果。但由于算法运算量大,在红外视频图像处理中较难实现。本文提出了一种双边滤波+平台直方图均衡的红外图像增强算法的FPGA实现方法,选用Xilinx Virtex-5系列芯片,采用流水线和并行处理技术,能够在40 ms内完成一帧640×480的14位图像的处理,有效提升红外图像的清晰度和对比度,并满足视频图像处理算法的实时性要求。     

实时图像边缘检测的设计及FPGA实现

传统Sobel算法实现边缘检测是基于静态图像,而在实时图像处理中,边缘检测存在一定的复杂度和难度,文中将FPGA应用于实时图像边缘检测系统,从而实现动态实时图像的边缘检测。通过搭建实验平台仿真验证表明,检测精度和数据处理的运算效率均有所提高。     

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。