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。     

PCB外观检查机形态学运算多核并行加速的实现

为了解决PCB外观检查机中存在的速度问题,对其中用到的形态学运算采用多核并行的方式进行加速。给出了腐蚀运算的普通算法和一种优化算法的多核并行实现过程。实验表明,无论是形态学运算的普通串行算法还是优化算法,通过多核并行处理的方式都可使其运算速度大幅提高。当运算规模较大时,并行加速比可趋近参于运算的处理器数量。     

基亏主成分分析法的人脸识别的探讨与研究

人脸识别是生物特征识别和人工智能领域特别重要的课题之一。讨论了统计主成分分析法（Principal Component Analysis,PCA）在人脸识别中的应用。PCA是基于统计的方法,可以对人脸库数据起到降低维数、去除相关性等作用。通过Kauhunen-Loeve变换（K—L变换）将人脸库变换到新的坐标系,得到人...