基于GPU加速的光线跟踪渲染算法研究

分析了光线跟踪渲染算法在GPU上实现的流程;设计了CUDA平台上基于BVH加速结构的光线跟踪渲染引擎,针对CUDA架构的特点重新设计了BVH遍历算法和间接反射计算算法;并在四个场景和两种分辨率下针对GPU和CPU实现进行了详细对比测试。通过分析实验结果,基于GPU加速的光线跟踪算法在不同复杂度的场景下相比其CPU实现都有较高的性能提升。     

改进的基于光线跟踪的图形反走样算法

光线跟踪算法是一种高度真实感的图形绘制技术,由于其算法简单,容易实现而备受人们的重视。但同时光线跟踪算法是一种点采样算法,因而不可避免地产生图形走样,本文在实验的基础上,提出一种改进的基于光线跟踪的图形反走样算法,即像素细分技术和滤波技术向结合的算法,该算法反走样效果非常好,真实感强,并且性能好。     

视觉跟踪算法的研究进展

目前,IT产业和高新技术领域的前沿之一是计算机视觉,而视觉跟踪算法是当前计算机视觉领域的研究热点。阐述视觉跟踪算法的国内外现状以及算法的分类,包括基于定位方法的分类、基于特征的分类、基于研究方法的分类,并探讨视觉跟踪算法的未来研究方向。     

基于区间数据加速寿命试验参数估计的EM算法

主要讨论了在步进应力加速寿命试验中,如果寿命分布服从对数正态分布,寿命数据为区间数据,且试验产品满足Nelson提出的累积失效模型的情况下,可以通过推导出的时间折算公式及EM算法给出参数估计。同时举例说明了在样本数据较多的情况下该估计方法的有效性。     

面向单元内加速的可重构算法设计

为了能够在可编辑逻辑器件上设计更高速度的功能单元,提出了一种面向单元内加速的可重构算法。通过该算法能够对目标逻辑功能单元进行功能重构,并以缩短单元内部逻辑门的层数,以及单元内逻辑门的控制结构,实现单元内加速。选取了典型的可重构计算单元,分析了应用本文所设计的可重构算法对逻辑功能单元进行重构设计。测试中,经过重构设计后的计算单元,运行时间最多减少了30%。     

基于蚁群模糊聚类算法的图像分割研究

论文提出了一种基于蚁群动态模糊聚类算法的计算机图像分割方法,有效地利用蚁群算法的聚类分析能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心。然后利用蚁群聚类算法得到的模型进行修改,再进行模糊聚类弥补蚁群算法的不足。最后将该算法应用到计算机图像分割技术。对比实验表明,该算法实验表明该算法速度快、划分特性好,可以准确地分割出目标。