利用Douglas-Peucker并行算法在多核处理器上实时综合地图线要素

Douglas-Peucker算法是线要素简化的经典算法,针对其存在大量计算、难以做到实时的缺点,运用并行技术实现Douglas-Peucker算法,并在多核处理器的计算机上进行实验,验证了并行算法的效率与实时性。     

Delaunay三角网的并行构网算法

针对传统的Delaunay三角网的并行构建算法负载均衡性不高、运行效率较低等问题,该文在综合逐点插入算法和分治算法各自优点的基础上,提出了一种Delaunay三角网并行构建算法。该算法首先使用动态格网剖分点要素集,从而得到若干点要素子集;然后根据点要素子集数量初始化线程池,每个点要素子集由一个线程按照插入点法构建Delaunay子网;当所有线程完成子三角网构建,最后使用逐点插入法合并所有子网,从而实现所有点要素的Delaunay三角网构建。分析与实验结果表明,相对于传统的并行算法,该并行算法的负载均衡性好、运行时间少、加速比高,具有较好的构建效率,而且构建结果满足Delaunay规则。     

基于CUDA的并行空间计算

基于GPGPU的并行计算是目前新兴的热门研究领域。针对空间信息处理中常涉及的算法,本文讨论了基于CUDA技术的算法并行化问题,并提出基于栅格的点集凸壳并行算法及并行耳三角剖分算法。经对实际数据的实验表明,基于CUDA的几何并行计算可以显著地提高程序的执行效率,具有实际意义。     

基于多GPU的Harris角点检测并行算法

提出了一种基于多图形处理器(graphic processing unit,GPU)设计思想的Harris角点检测并行算法,使用众多线程将计算中耗时的影像高斯卷积平滑滤波部分改造成单指令多线程(single instruction multi-ple 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统一计算设备架构(com-pute unified device archetecture,CUDA)上完成影像角点检测的全过程。实验结果表明,基于多GPU的Har-ris角点检测并行算法比CPU上的串行算法可获得最高达60倍的加速比,其执行效率明显提高,对于大规模数据处理呈现出良好的实时处理能力。     

二级并行独立成分分析端元提取算法

在多对称处理器集群体系结构下进行独立成分分析并行算法研究,在共享内存模型一级并行算法基础上,通过同步、异步迭代两种方式并行计算固定点函数,分别提出具有两级并行特性的二级同步、二级异步并行端元提取算法,并结合两者的优势,进一步提出二级分组并行算法。实验评价表明,二级同步、分组并行算法在保持原算法精度的同时,大大提高了原算法的效率,体现出良好的并行计算性能,而二级异步并行算法可在节点数较少的情况下适用。     

异构环境下的多子阵合成孔径声呐精确后向投影快速成像方法

针对多子阵合成孔径声呐精确后向投影成像算法效率低的问题,提出了 一种异构环境下的精确多子阵合成孔径声呐后向投影成像快速方法.在分析精确逐点后向投影成像算法原理的基础上,将脉冲压缩和方位向聚焦过程改造为单指令多线程模式,借助图形处理器(graphics processor unit,GPU)强大的多核计算能力加速成像过程...     

一种曲线分割与化简的并行算法

针对现有曲线分割与化简算法多为串行算法,无法充分利用多核心处理器的并行计算能力以提升计算效率这一问题,该文提出了一种曲线分割与化简的并行算法。该算法使用Numba库,将曲线分割与化简步骤中,例如弯曲面积计算、判断线段是否相交等具有并行性的任务,加以分割并分配到多核处理器的每一个核心上,以充分利用多核处理器并行计算的优势,提高算法的性能。实验证明,曲线分割与化简的并行算法,可以有效地提高数据处理的效率,降低分割与化简曲线的时间成本。     

顾及粒度控制的格网DEM洼地和平坦区预处理并行算法

针对现有格网DEM洼地和平坦区处理并行算法进行数据处理时未考虑并行粒度等问题,在分析了洼地和平坦区处理串行算法的基础上,基于消息传递接口并行化工具,构建了顾及粒度控制的格网DEM洼地和平坦区处理并行算法。在配置Linux操作系统的集群环境下,利用不同大小的DEM数据,测试了算法的并行性能,结果表明:顾及粒度控制的并行MV算法可以在任意并行粒度下完成计算任务,具有较好的并行性能。而且,对于某一给定的DEM数据,存在一个合适的并行粒度使得MV算法的并行性能最佳。     

等值线三维显示及其并行算法

主要探讨等值线三维显示及利用并行处理提高计算速度的方法。运用多边形填充和“画家算法”,实现了等值线三维显示 ;根据等值线数据量随其属性值而变化的特点 ,设计了采用“卷帘存储法”实现负载平衡的等值线三维显示的并行算法 ;采用“结合扇入法”实现结果合并 ,并采用“运行长度压缩法”以缩短网络通讯时间。在串行机上进行的模拟实验表明 ,所设计的并行算法具有较高的效率。     

可扩展的迭代自组织分析并行处理算法

随着遥感影像数据量的增加,传统非监督分类迭代自组织分析(ISODATA)算法的运算将十分耗时,应用并行计算技术能够有效解决该性能瓶颈。针对现有基于并行计算模型MapReduce的遥感迭代自组织分析并行算法存在的局限性,提出一种可扩展的基于MapReduce的迭代自组织分析并行处理算法。该算法通过其包含的全局子采样算法、聚类中心点集合过滤算法以及聚类映射算法,有效克服了现有并行算法中存在的不足。实验结果表明,在同等规模遥感计算中,该算法效率高于现有并行处理算法,具有良好的加速比,且在处理更大的影像块时具有更高的精度。