基于CUDA并行的全球海洋表面温度场等值线提取算法研究

在分析GPU并行架构和CUDA灵活可编程性基础上,提出了一种基于区间块搜索的等值线并行提取方法,可应用于全球海洋表面温度格网数据的分析.算法有效减少了等值线追踪过程中重复性的格网遍历及不必要的格网搜索.最后,实验采用了不同规模的海表温度场格网数据进行等值线的提取并比较串并行耗时,结果表明:(1)算法能实现全球海洋表面温度等值线的有效提取并提高其效率,尤其对于大规模格网数据;(2)基于所有实验数据,格网规模大于720×1 440时,相较于串行过程GPU执行体现了其效率上的优势,GPU与CPU串行耗时的加速比最大可达3.124.     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．     

在GPU上求解大规模优化问题的反向策略的PSO算法

本文通过对传统粒子群算法(PSO)的分析,在GPU(Graphic Process Unit)上设计了基于一般反向学习策略的粒子群算法,并用于求解大规模优化问题.主要思想是通过一般反向学习策略转化当前解空间,提高算法找到最优解的几率,同时使用GPU大量线程并行来加速收敛速度.对比数值实验表明,对于求解大规模高维的优化问题,本文算法比其他智能算法具有更好的精度和更快的收敛速度.     

一种基于GPU的并行三维各向异性扩散的超声图像斑点噪声滤波算法

三维的各向异性扩散的斑点噪声滤波算法(3D SRAD)计算密集,在CPU上串行处理运行效率较低,耗时长,不能满足实时系统的需求.为解决此问题,本文基于CUDA平台提出一种并行的3D SRAD算法——3D pSRAD.该算法从数据处理,任务分配以及纹理存储器和共享存储器的使用对并行处理进行了优化.实验结果表明,3D pSRAD提高了运算效率,计算加速比在60以上.     

基于云环境K-means聚类的并行算法

K-means聚类算法只能保证算法收敛到局部最优,从而导致聚类结果对初始点的选择非常依赖,同时在面对海量数据时容易因运算次数增多而使聚类过程耗时增加.针对上述问题及结合海量数据的特性,本文提出了一种基于云环境的并行聚类算法,该算法利用Canopy聚类算法思想并结合二分查找思想对K-means算法进行优化,同时采用"极限点"原则使之避免了聚类过程中的局部最优,然后利用顺序组合式MapReduce编程模型实现了算法的并行化扩展.实验结果表明:在大数据集上,该算法比同样部署在Hadoop集群上运行的K-means算法,在加速比、准确率、扩展率、算法效率方面具有较大的优势.     

基于Map/Reduce的索引数据云存储模型研究

针对目前搜索引擎引擎系统存在的数据量庞大、访问用户高并发性和搜索延迟性的特点,提出了基于云存储的文档索引分类存储模型,并在索引数据分类存储算法实现过程中,采用基于Map/Reduce编程模型的二次索引词权重计算,以降低分类过程中的模糊粒度.通过实验验证基于该存储模型的算法不仅可以提高海量数据索引库的数据处理效率,而且在一定程度上降低了检索系统查询延迟,提高了搜索效率.     

基于移动Agent技术的医学图像检索方法

针对现有医学图像检索方法中，检索算法速度较慢、准确性较低以及远程检索时占用大量带宽等问题，设计并实现了一种基于移动Agent技术的医学图像检索方法，重点讨论了该方法实现的关键技术，包括提升框架下的M带整数小波变换和提取多通道纹理特征的检索算法．模拟实验结果表明，该方法实时性较强，占用网络带宽较少，采用的算法运算速度提高近10倍、运算复杂度降低约50％，提取的纹理特征能充分表达图像内容，较好地满足了医学图像的检索要求，实现了对医学图像库快速较准确的检索．     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.     

基于GPU加速的遥感影像金字塔创建算法及其在土地遥感影像管理中的应用

摘要：为提高单个计算节点创建影像金字塔的速度,本研究首先将GPU并行技术用于加速影像重采样算法.影像重采样算法是影像金字塔创建算法的核心步骤,由于金字塔创建过程中数据量会不断发生变化,而数据量的大小直接影响GPU重采样算法效率.提出了一种基于阈值的金字塔遥感影像创建算法,算法将GPU并行与CPU串行遥感影像重采样算法结合,在创建影像金字塔时,依据阈值动态选择不同的重采样算法,并将本算法应用到土地遥感影像金字塔管理中.实验采用大小为10371×7945的24位遥感影像进行测试,结果表明：①基于GPU的并行重采样算法的速度最快,是基于CPU串行重采样算法的10倍;②采用本文算法创建金字塔速度是ArcGIS9.3创建金字塔速度的3倍以上.     

GIVENS正交三角化的列超前并行消去算法

在分析已有的Ｇｉｖｅｎｓ正交三角化并行算法的基础上，进一步分析了在ＭＩＭＤ并行系统上行反射交替存储的逐次Ｇｉｖｅｎｓ正交三角化并行过程，提出了列超前并行消去算法，还介绍了这个算法在ＭＩＭＤ并行系统上实现的主要技巧，证明了列超前并行消去算法的并行加速倍数Ｓｐ与处理机台数Ｐ十分接近．     

区域法立体匹配的实时性问题研究

立体匹配的一个关键问题是计算量大，实时性难以保证，作者从两个方面着手对立体匹配算法进行优化，首先是在算法结构上，应用盒滤波技术消除了冗余计算；其次在实现上，针对Intel Pentium4处理器的特性，从存储器组织和高速缓存的利用，SSE2多媒体扩展指令的应用以及基于超线程技术的并行处理等三个方面进行优化实现。实验结果表明，所提出的算法在实时性上有了很大的提高。     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

基于library-free映射的电路面积快速优化算法

针对library-free映射过程中常用的动态规划算法在求解大电路时覆盖时间过长的问题,提出了一种将动态规划与遗传算法相结合的混合优化算法,用于平衡求解速度和求解质量,并利用“与/或/非”图和逻辑努力实现基于MOS晶体管的电路的面积估算.MCNC电路的测试结果显示,相较于动态规划,混合算法求得的最优解在面积平均增加不到1%的情况下,求解时间可节省35%以上.     

椭圆曲线密码细粒度并行计算研究

根据加速经常性设计的原则,提出了一种基于对称运算单元的椭圆曲线密码(ECC)标量乘运算的高效细粒度并行运算架构.为了实现该架构,对ECC标量乘运算展开细粒度并行计算研究,通过标量乘运算的分解和推导,消除了数据相关性,得出运算效率高且适于指令级并行计算的算法形式.对标量乘运算的时间复杂度的分析结果表明,该算法比普通算法的速度提升了66.7%.并可通过并行计算进一步提升标量乘运算的速度性能.在采用3个运算单元的效率最优情况下,比采用1个运算单元时,速度提高了2倍.     

基于小波-双马尔可夫随机场的纹理分割

传统高斯金字塔马尔可夫随机场模型仅仅捕捉图像低频信息,纹理分割效果不太理想.根据纹理图像小波分解后各频带的统计性质和层次关系,优化频带选取,提出了一种变形小波结构,建立了融合这种结构上尺度内部和尺度之间关系的双马尔可夫随机场模型,引入了一种近似最大联合概率分割算法,并从理论上分析了该算法的合理性.实验表明,与基于高斯金字塔马尔可夫随机场模型的分割方法相比,该算法分割质量明显提高;并且,对模型中自由参数的选取进行比较,证实它们在给定区间上的选择具有鲁棒性.