基于GPGPU的并行影像匹配算法

提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,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,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。     

K均值聚类算法的研究与并行化改进

K均值算法是一种常用的聚类分析方法,广泛应用于图像处理和机器学习等领域。但该算法具有较高的计算复杂度,导致了算法具有较大的局限性。为了提高算法的运行效率,本文在深入分析算法基本原理的基础上,利用CUDA架构提供的强大计算能力对该算法进行了并行化改进。实验结果表明,算法在取不同的聚类数时均取得了较高的加速比。     

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。     

遥感影像正射纠正的GPU-CPU协同处理研究

提出了一种基于CUDA的遥感影像正射纠正GPU-CPU协同处理方法,以实现重采样操作的GPU细粒度并行化。根据GPU的并行结构和硬件特点,采用执行配置优化技术提高warp占有率,利用共享存储器优化减少对效率低下的全局存储器中坐标变换系数的重复访问,通过纹理存储器代替全局存储器优化对原始影像数据的访问。实验结果表明,并行算法能够充分发挥GPU的并行处理能力,利用GeForce 9500 GT显卡,对大小为6 000像素×6 000像素的全色影像进行多项式纠正对比实验,最邻近灰度内插重采样和双线性灰度内插重采样的最终加速比分别能够达到8倍和10倍以上。     

基于GPU的遥感影像SAM分类算法并行化研究

本文简要介绍了并行图像处理的基本模式;对GPU的并行性和流式编程模型进行了分析,提出了GPU并行图像处理的基本流程,并对数据加载、计算结果反馈保存等关键技术问题进行了论述;实现了光谱角匹配(SAM)算法的GPU并行化,最后通过实验验证了该技术方法的有效性。     

基于GPU的全波形并行LM分解算法

波形分解是机载激光雷达全波形数据处理的重要基础工作,通过求解波形函数模型的参数,将波形数据利用具体的函数模型拟合出来,实现对全波形及其中各个子波形函数表达。LM(Levenberg-Marquardt)算法及其改进的算法是波形分解中对参数进行拟合求解的常用方法。针对LM算法在参数拟合计算的过程中存在大量迭代和矩阵运算,提出了基于线程块组和线程两级并行粒度的并行计算方案。将串行多次循环迭代求解参数改为单次并行计算取最佳值实现对参数的选择,将矩阵运算进行线程块的协同并行计算,实现了LM算法在通用计算图形处理器上的并行计算。实验证明,在规定阈值条件下,并行LM降低了算法的迭代次数,提高了波形分解LM算法的计算效率,为提高波形分解的处理效率提供了研究思路。     

B/S架构下地理信息数据加工管理系统地图相关算法的探讨

在地理信息数据加工管理系统中,需要将图幅分割为大小合适的块,然后分配给作业人员绘制或编辑,最后再统一接边和汇总。实践表明,图形化的操作方式更易于用户接受,B/S架构解决了国外项目的甲方审查项目进度问题,因此B/S架构下具有图形化管理功能的地理信息数据加工管理系统应运而生。地图的基本操作是比较复杂的,本文提出的四个基本算法是一套完整的解决方案,主要解决了在B/S架构下前后台通过数据异步通信的同时,采用不同的算法,达到前后台数据通信的同步性,从而保证了地图展示和操作的一致性。     

一种基于GPU的DEM并行插值算法

采用Open CL框架下的CPU/GPU平台,借助GPU在并行浮点运算方面的巨大优势,提出了DEM并行插值算法;同时以反距离加权插值算法为例,分析了传统插值算法和并行插值算法之间的优缺点与适应性。最后,通过对比实验对两类算法进行了比较。实验表明,当插值点数较少时,GPU并行插值算法效率低于传统算法;然而,当插值点数很高时,并行插值算法的计算效率较传统插值算法有了显著提高,加速的效果甚至高达137倍。实验证明GPU并行插值算法具有很强的可行性。     

利用CUDA的地图代数局部算子优化

本文针对地图代数局部算子的传统实现方法应用于海量栅格数据计算时效率低下的问题,从串行算法的并行化映射、计算机图形处理器资源的自适应参数调整等多角度来研究地图代数空间并行算法的实现机制,总结出地图代数局部算子在GPU并行处理架构上的通用求解步骤。实验结果表明,该方法在大数据量处理时较CPU加速效果明显。     

基于GPU的DEM并行克里格插值算法

本文借助GPU在并行浮点运算方面的巨大优势,通过对串行克里格插值算法可并行性的分析,基于并行LU分解法、并行邻域搜索方法和直接邻域比较搜索方法,提出了基于GPU的DEM并行克里格插值算法。通过对比实验可知,当插值点数较少时,并行克里格插值算法效率低于串行算法,然而,当插值点数很高时,并行克里格插值算法的效率较串行算法有了显著提高,加速的效果甚至高达102倍。     

GPS信号FFT捕获的GPU实现

缩短GPS接收机冷启动时间一直是GPS领域的热点问题,而决定冷启动时间的关键是捕获速度。针对快速付里叶变换（FFT）捕获算法的并行运算特点和图形处理单元（GPU）适合于进行并行的优势,简单介绍了FFT捕获算法原理和对比了GPU与FPGA的特点,重点设计了各通道和各频点均进行并行计算的FFT捕获算法的GPU实现方案。利用实测的GPS中频数据初步验证了本文捕获方案的正确性和运行时间。试验结果表明：与基于CPU的捕获方案相比,本文的捕获方案对卫星PRN和CA码相位的捕获结果完全正确,而捕获时间大幅度缩短了。     

基于GPU并行处理技术的影像畸变差修正

分析了利用GPU并行处理技术实现畸变差修正的可能性及任务分配方法,提出了基于GPU的数码影像畸变差修正算法流程,验证了算法的可行性和高效性。     

基于CPU与GPU/CUDA的数字图像处理程序的性能比较

测绘系统通常有大量图像处理工作,而户外图像采集系统更需要极高的实时性。通过对GPU与CPU分别进行数字图像处理性能测试,结果表明GPU并行计算可以大幅提高图像处理性能:可优化图像预处理、后处理速度,使测绘系统更加实时高效。     

基于GPU的遥感影像加速处理算法

随着图形处理器(GPU)计算功能的日益强大,人们不再满足仅仅用它来做图形处理,而是越来越多地将其应用在通用计算方面。在遥感影像融合的很多算法中,影像数据都可以被并行的处理。本文针对融合处理中的遥感影像数据源为GPU设计了具有数据级并行性的输入流,介绍了利用OpenGL着色语言在GPU中实现融合算法的过程,实验结果表明基于GPU的IHS融合算法的处理速度在数据量较大时较之基于CPU的算法有明显的优势,而且这种优势随图像数据量的增加而越来越明显。     

基于 GPU 的 GNSS 信号跟踪设计与实现

软件接收机在数据后处理、算法设计与分析等方面发挥着重要的作用。由于传统的软件接收机均是由CPU 处理器实现,处理效率低下。图像处理单元是高度并行化的处理器,将导航信号处理中并行程度高且对时间要求最为严格的跟踪环节与GPU 的并行处理结构有机结合,能大大提升程序的效率。本文解决了采用GPU实现信号跟踪的关键技术,给出了相关的设计方案,并实现。试验结果表明：采用GPU 实现信号的跟踪,其效率提升了112.5倍。     

利用可编程GPU硬件进行大规模真实感地形绘制

提出了一个用于大地形数据外存可视化的硬件加速的视点相关LOD渲染算法。为了在可视化中实现真实感,把相应的卫星或航空图像纹理应用在地形上,还提出了在保持实时帧速的同时,在地形上显示如建筑物、树木、道路等大量的静态物体集合的高效率的目标处理算法。上述算法已成功地在不同的实际地形数据和卫星影像纹理上进行了测试,测试结果表明,基于可编程GPU硬件的大规模地形绘制速度快、真实感强。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...