基于CUDA的三维数据场可视化加速技术研究

三维数据场可视化是目前计算机图形学方向研究的热点之一,随着人们需求的不断提高,对图形绘制的实时性及交互性提出了更高的要求。本文主要阐述了在CUDA架构下,利用GPU的多核并行运算能力,对实现三维数据场可视化的光线投射算法进行优化和改进。将图形处理的几何阶段在可编程硬件实现,实现图形绘制的加速。实验结果表明,在一定程度上改善了成像效果,绘制速度的加速比达到7左右。     

基于GPGPU和CUDA的高速AES算法的实现和优化

随着高性能计算需求的不断增长,人们开始将目光投向具有强大计算能力及高存储带宽的GPU设备.与擅长处理复杂性逻辑事务的CPU相比,GPGPU(general purpose graphic processing unit,通用图形处理器)更适合于大规模数据并行处理.CUDA(compute unified device architecture,统一计算架构)的出现更加速了GPGPU应用面的扩张.基于GPGPU和CUDA技术对AES算法的实现进行加速,得到整体吞吐量6~7Gbit/s的速度.如果不考虑数据加载时间,对于1MB以上的输入规模,吞吐量可以达到20Gbit/s.     

基于GPU加速的扩频信号捕获方法

针对扩频信号捕获中计算量大和运算速度慢的问题,提出基于图形处理器(GPU)加速的捕获方法,将基于循环相关的捕获算法转化为计算统一设备架构(CUDA)线程块执行过程,使扩频捕获过程完全在GPU中加速执行,在保持原有扩频信号捕获概率的同时,显著提高了算法的运算速度. 实验结果表明,基于GPU的捕获方法有效地提高了系统的执行效率.     

基于CUDA的阈值迭代算法并行实现

利用CUDA编程在GPU平台设计并行实现阈值的迭代算法,并应用于稀疏微波成像. 仿真实验结果表明,在正确重建信号的前提下,相对于常规的CPU串行计算,采用GPU并行处理能加快运算,提高成像速度.     

基于GPU的HJ-1C实时成像处理技术

以HJ-1C卫星为研究对象,针对合成孔经雷达（SAR）卫星成像算法复杂,以及计算量大等特点,在研究GPU并行处理技术的基础上,给出GPU平台下针对HJ-1C地面快视系统的CS算法实现.经测试表明,SAR实时成像处理系统成像处理速度优于600 Mbps,能够满足地面接收系统对HJ-1C实时成像处理的要求.     

GPU-based leaves contour generation algorithm

The implementation and optimization of the traditional contour generation algorithms are always proposed for the common processor. When processing high resolution images, the performance often exists low efficiency. A new graphics processing unit (GPU)-based algorithm is proposed to get the clear and integrated contour of leaves. Firstly we implement the classic Sobel operator of edge detection in GPU. Then a simple and effective method is designed to remove the fake edge and a heuristic algorithm is used to repair the broken edge. It is proved by the experiments that the results of our algorithm are natural and realistic in terms of morphology and can be good materials for the virtual plant.     

GPU实现的椒盐噪声自适应中值滤波算法

提出了一种基于先检测、后滤波的椒盐噪声滤除GPU实现算法。该算法首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后对噪声像素作标准中值滤波,如果中值为信号,则用中值代替噪声像素灰度值;如果中值为噪声,则取中值邻域,如果中值邻域为信号,则用它代替噪声像素灰度值;否则扩大邻域窗口,重复算法。但随着图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器（GPU）的并行处理特征,并在GPU上实现了本文算法。实验结果表明所提出的算法较经典的自适应中值滤波算法有较好的去噪效果和边缘保护能力,并且随着图像规模的增大,算法执行时间较CPU可以提高最多3个数量级。     

一种基于OPENACC指令加速的均值模糊算法

目前,计算机系统普遍使用GPGPU设备加速计算,但使用底层API进行加速计算繁琐而又缺乏效率,运用基于指令的高级抽象编程可以解决这个问题。运用均值模糊算法体验OPENACC的用法,OPENACC通过指令把c或c＋＋中的计算紧密代码转移到GUP中。比较了分别使用CPU、OPENACC、CUDA实现均值模湖算法的性能表现,虽然CUDA有不错的性能,但相对于低下的开发效率和陡峭的学习曲线而言,OPENACC只用十几行代码就可以取得可观的加速比,而且随着编译器和硬件技术的发展,指令制导编译有越来越大的发展空间。