一个基于图像代数的并行图像处理环境

系统可用性和应用程序可移植性差是许多现有的并行图像处理计算结构难以获得实际应用的重要原因，基于Ritter提出的图像代数理论，研究、实现了一个并行图像处理环境．用户在并行计算结构上进行程序设计时，只需用图像处理环境提供的图像代数运算描述算法即可，处理环境能够根据用户算法的描述，依据一个时间开销模型，自动从并行实现函数库中提取出最优或近似最优的并行代码完成算法的运行，算法的并行实现和并行计算结构的硬件细节对用户透明。     

基于GPU的大规模栅格数据分块并行处理方法

数学形态学运算是栅格数据处理的重要方法,具有较高的计算复杂度、并行度等特点,较容易发挥GPU众核高度并行执行的优势,以提高其计算效率。然而,有限的GPU全局存储器限制了其在大规模数据中的应用。文中在分析现有栅格数据并行方法的基础上,基于通用并行计算架构CUDA,设计一种适应大规模数据的分块处理方法。文中以经典的膨胀算法为例对分块处理方法进行测试。实验结果表明:与传统的CPU串行处理方法相比,该方法可以显著提高数据处理速度。     

粗糙集理论在图像处理中的应用

将粗糙集理论应用到图像处理中,在很多场合具有比传统方法和精确算法更好的效果.介绍了粗糙集理论的基本概念和模型的发展状况,描述了粗糙集用于图像处理的特点,详细论述了粗糙集理论在图像滤波和平滑、图像增强、图像分割以及图像特征提取与分类的研究方法与应用.研究表明粗糙集理论与其他智能方法的结合在图像处理中具有良好的应用前景.大数据集、高效约简算法、并行计算以及混合智能算法研究等问题仍是粗糙集研究的主要方向.     

拉格朗日多项式逻辑回归分类算法并行计算优化

针对拉格朗日多项式逻辑回归算法中逻辑回归参数计算复杂高、耗时长,直接制约其在大数据量遥感图像上应用的问题,提出了基于图形处理器GPU对算法进行数据级并行计算处理。算法首先利用已知的训练样本进行多元回归参数估算,然后利用得到的回归参数和光谱数据进行分类,能够获得较高的分类精度,其中算法步骤中的矩阵乘法、矩阵求逆、矩阵特征值计算采用CULA库函数并行实现。利用真实场景的高光谱图像对文中提出的并行计算优化方案实验验证,结果表明,该方法能够实现对多元回归参数计算加速200倍左右,对整个拉格朗日多项式逻辑回归分类算法计算加速60倍左右。     

基于MPSoC平台小波变换并行算法研究

快速小波变换是数字信号处理面临的一个重要问题,针对并行小波算法展开研究,缩减小波变换中卷积运算的规模,提高小波变换过程中的并行效能,以实现小波变换的快速并行计算。通过FFT矩阵代入计算,消去了并行计算过程中的同步通信,降低了乘法运算次数。对算法思想进行了理论分析,说明新算法在短小数据分段情况下能够减少50%~75%的乘法操作;通过搭建两种不同平台进行了对比测试,证明了算法的先进性与有效性。基于FFT矩阵的并行小波变换算法是一种稳定有效的经典小波并行算法。     

云平台下基于粗糙集的并行增量知识更新算法

日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息,以及提供一种基于粒与粒间关系的问题求解方法.作为粒计算理论中的一个重要组成部分,粗糙集是一种处理不确定性和不精确性问题的有效数学工具.根据云计算中的并行模型MapReduce,给出了并行计算粗糙集中等价类、决策类和两者之间相关性的算法;然后,设计了用于处理大规模数据的并行粗糙近似集求解算法.为应对动态变化的海量数据,结合MapReduce模型和增量更新方法,根据不同的增量策略,设计了两种并行增量更新粗糙近似集的算法.实验结果表明,该算法可以有效地快速更新知识;而且数据量越大,效果越明显.     

数学形态学在图像分割中的应用研究

本文以数学形态学基本运算的介绍为基础,阐述了图像处理中常见的一些数学形态学方面的应用,其中有形态学图像重建、形态学图像滤波和形态学图像梯度。最后介绍了一种基于形态学的图像分割算法—分水岭算法,并以基于标记的分水岭分割算法为例,研究了形态学运算在图像分割前的预处理步骤和图像分割中帮助提取标记的作用,由此证明了数学形态学运算是图像处理领域中的一种有效方法和手段。     

图象分块平均绝对差匹配并行算法

本文针对图象匹配算法中的乘法运算与差运算的一类并行计算问题 ,设计了一种图象分块平均绝对差匹配并行算法。该算法对于 N× N的参考图像、与处理元阵列大小相同的 M× M的实时图象 (N=BK,K=M,B>1) ,可通过将参考图像分成 B× B个图像块的分块匹配来实现 ,并具有很好的并行效率     

基于FPGA的反投影算法并行化实现

反投影算法是一种基于时域处理的雷达成像算法。针对该算法运算效率低、处理速度慢的问题,通过分析反投影算法的原理及其运算过程,提出一种算法并行化加速方法,即基于现场可编程门阵列,将算法中的反投影运算单元设计成专用的反投影运算硬件加速模块,并通过模块内的流水线处理及多个模块间的并行计算提高该算法的运算效率。运用该方法对2 048×4 096大小的目标网格点进行反投影成像,成像时间为139 s,平均单点成像时间是基于GPU加速方法的3倍,并且成像结果和计算机成像结果误差极小。实验结果表明,该并行化方法可有效提高反投影算法的运算效率。     

基于CUDA架构的FFT并行计算研究

FFT（快速傅里叶变换）是基于提高DFT（离散傅里叶变换）计算的高效算法,它在众多科学和工程领域都得到了广泛的应用。自FFT算法出现以后,从早期的以降低复杂度到近年以来的大规模并行FFT计算,各种优化算法得到广泛的研究。在并行运算领域中,随着可编程的、并行化GPU的不断推广,特别是通用并行统一计算架构CUDA的出现,极大增强了GPU的计算能力,在编程和优化等方面都有显著地提升。鉴于此,本文在分析FFT算法实现的基础上,研究了一种适合GPU运算的FFT并行计算方法,并通过CUDA架构实现了FFT算法在GPU上的运算。该方法的引入在理论不计算数据传输的情况下,使一维FFT运算时间的复杂度由O（N logN2）可以降到O（N/rlogN2）。通过验证,本文提出的CUDA的并行FFT方法得到较好的加速效果,在精度计算上也符合实际的要求,从而证明了该方法的正确性和有效性。     

MCC-SIMD数据并行卷积计算方法的研究

主要研究卷积计算的数据并行方法在MCC-SIMD计算机的设计和实现问题。在参考国内外现有资料的基础上，从图论的角度用卷积路径的方法对卷积计算的有关概念进行了严格的形式化定义；分析了4-连接卷积路径下数据并行卷积计算时处理元阵列的移动规律；在此基础上给出了数据并行卷积计算算法；最后对算法的计算复杂性和通信复杂性进行了简要分析。文中还对有关结论进行了证明。     

多尺度并行坐标插值实时图像克隆算法

作为一种重要的数字图像合成编辑技术,图像克隆能够将源图像中的克隆区域平滑自然地嵌入目标图像的指定位置。 传统的图像克隆技术通过分析图像的梯度域并求解泊松方程来获取图像信息, 具有算法复杂度高、内存消耗大的缺点, 从而限制了其在高分辨率图像中的实时应用。本文提出了一种改进的均值坐标计算方法, 将图像克隆转化为高效且易于实现的图像插值流程。此外本文还采用多尺度和GPGPU并行计算技术进一步提升了算法的整体运算效率, 从而能够实现对100万像素图像区域的实时克隆。     

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。     

基于ε－SVR的销量预测规划计算模型和算法研究

设计了一个基于支持向量规划的香烟销量预测和销售趋势分析数学模型（LR_ε-SVR和NLR_ε-SVR）及算法（ε-SVR_SP）。企业的历史销售情况及企业外部的一些环境和条件作为算法的输入，输出未来一定时期的销量预测数据和销售趋势图。基于非线性核函数的学习算法降低了训练空间向量的维度，从而降低了计算复杂性，减少了对训练学习数据量的要求，提高了计算精度，降低了计算时间。通过模拟实验、实际数据集合实验及与神经网络算法的对比，验证了该算法的精确度和计算效率。     

基于动态阈值的帧复制粘贴篡改检测

帧复制粘贴是一种常见的时域篡改方式,篡改者采用这种方式来移除视频中某段内容,如犯罪现场、犯罪证据等.针对这种篡改,已经有不少方案被提出,但是它们有两个缺点：一采用固定的阈值;二时间复杂度很高.大部分被篡改视频会经过再压缩处理,由于视频压缩基本是有损压缩,可能会导致固定阈值失去应有作用.因此,本文提出一种基于动态阈值的被动取证算法,来增强算法的鲁棒性,并且通过引入字典排序算法来缩小帧匹配时的搜索范围,成功降低了时间复杂度.文章采用精确度、召回率和平均每帧计算时间来对提出算法的性能进行评估,结果表明本算法在这三方面都优于其他算法,而且具有更好的鲁棒性.     

分块矩阵的张量积及其并行计算

矩阵张量积的计算是矩阵计算中的一类重要问题,与乘法相比,张量积的计算量更为庞大.分析了分块矩阵张量积的相关数学特性,证明了在置换相抵意义下两个矩阵的张量积运算可以交换,特别刻画了这类置换矩阵,并由此证明了在置换相抵条件下分块矩阵可以分块地进行张量积运算.在此基础上,讨论了矩阵张量积的并行计算问题,提出了几种并行计算模型,进行了必要的算法分析,并通过实例阐述了这些算法的思想和过程.     

基于数学形态学与Hough变换的乐谱谱线探测算法研究

数学形态学是综合了多学科知识的交叉学科,是一种非线性的图像分析理论,己成为图像处理的重要工具之一。文章简单介绍了数学形态学和二值形态学的基本运算—腐蚀和膨胀,并提出了基于数学形态学的乐谱谱线探测算法。实验结果证明,与Hough变换探测直线算法相比,该乐谱谱线探测算法具有运算速度快、效率高、抗噪声能力强等优点。     

PCNN与数学形态学在图像处理中的等价关系

揭示了有生物学依据的脉冲耦合神经网络(PCNN)与数学形态学之间的本质关系，并以颗粒分析为例进行了具体的分析，得到了文中提出的PCNN颗粒分析方法完全等价于一定结构元素下的数学形态学方法的结论．研究表明，PCNN进行图像处理时用到的脉冲并行传播特性完全等同于数学形态学中一定结构元素下的腐蚀运算，从而为数学形态学与PCNN之间的研究架起了桥梁．     

Parallel computation of the Euclidean distance transform on a three-dimensional image array

In a two- or three-dimensional image array, the computation of Euclidean distance transform (EDT) is an important task. With the increasing application of 3D voxel images, it is useful to consider the distance transform of a 3D digital image array. Because the EDT computation is a global operation, it is prohibitively time consuming when performing the EDT for image processing. In order to provide the efficient transform computations, parallelism is employed. We first derive several important geometry relations and properties among parallel planes. We then, develop a parallel algorithm for the three-dimensional Euclidean distance transform (3D-EDT) on the EREW PRAM computation model. The time complexity of our parallel algorithm is O(log/sup 2/ N) for an N/spl times/N/spl times/N image array and this is currently the best known result. A generalized parallel algorithm for the 3D-EDT is also proposed. We implement the proposed algorithms sequentially, the performance of which exceeds the existing algorithms (proposed by Yamada, 1984). Finally, we develop the corresponding parallel programs on both the emulated EREW PRAM model computer and the IBM SP2 to verify the speed-up properties of the proposed algorithms.     

数字图像几何变换的数据并行方法研究

针对SIMD计算机上的数字图像的几何变换问题,提出了一个新颖的基于阵列平移的数据并行实现方法。在此基础上,给出了数字图像几何变换的数据并行实现算法,并详细分析和讨论了算法的复杂性以及精度要求。