摘要：针对惯性约束聚变(ICF)间接驱动对称性分析中靶自身遮挡判断困难、表面辐射能流计算效率低等问题,提出了基于cuda的靶丸辐射能流并行计算方法.该方法以两区近似均匀模型为基础,利用四叉树结构对靶离散单元进行层次化表示,再根据包围盒的相交判断快速剔除遮挡单元;通过单元视角因子计算过程到GPU各运算线程的映射,实现了靶丸辐射能流计算的并行化.实验结果表明,在保证同样计算精度的同时,文中算法平均加速比在考虑遮挡时为15,不考虑遮挡时为400,具有较高的计算效率.

摘要：针对传统边界元法计算量大、计算效率低的问题,以三维弹性静力学的边界元法为对象,将基于cuda的GPU并行计算应用到其边界元计算中,提出了基于cuda架构的GPU并行算法.该算法首先对不同类型的边界元系数积分进行并行性分析,描述了相关的GPU并行算法,然后阐述了边界元方程组的求解方法及其并行策略.实验结果表明,文中算法较传统算法具有显著的加速效果.

摘要：针对基于物理模型的去雾方法大多采用统计或假设等先验信息获取模型参数精度较低的问题,提出一种非假设的雾天退化模型参数估计方法.为了尽可能准确地获取大气光值和透射率值,首先采用四叉树算法求解大气光值;随后利用预训练的卷积神经网络获取粗略透射率图,并使用引导滤波算法优化透射率图;最后通过大气散射模型逆向求解获取复原图像.实验结果表明,文中方法在去雾各项性能指标上表现均衡,不仅提高了雾天图像的清晰度和亮度,而且可以有效地避免"晕轮效应".算法时间性能实验表明,文中算法CPU效率比其他去雾算法提高40%+,应用cuda并行设计将耗时的引导滤波算法并行化后效率有显著提升,处理分辨率大小为640×480(单位为像素)雾天图像仅需0.048 9 s,可直接迁移应用于视频去雾处理,满足视频处理的实时性要求.

摘要：针对传统RANSAC的许多局限性——样本多、模型复杂或数据错误率高时计算效率低,模型检验精度与数据错误率不易合理设置,无法批处理同模型不同样本集,提出一种基于cuda的RANSAC并行改良,在保证计算结果置信概率与传统RANSAC一致的前提下,同时对抽样、解模型及检验模型并行同步处理,最终选择出符合要求的最优模型参数。以NVIDIAGPU支持的cuda为并行计算环境,挖掘其硬件架构的通用计算特性,设计并实现了RANSAC的高效GPU运算模式。实验表明,改良后的算法能够克服传统RANSAC的诸多局限性,且保留了其简单易用的特点。

摘要：近年来,GPU的快速发展与NVIDIA公司推出的cuda技术,推动着GPU在高性能计算领域中的应用。研究并实现cuda程序性能分析工具,对充分利用GPU的计算优势和提高cuda架构下并行程序的执行性能具有重要的意义。该文分析了GPU硬件平台的特点和cuda并行编程模型,结合CPU集群环境下并行程序的性能分析,设计并实现了一种基于指导语句的cuda程序性能分析工具,并实验验证了其在不同GPU硬件平台上的有效性。

摘要：为了提高H.264视频编码效率,基于计算统一设备架构(cuda)的并行全搜索运动估计算法,并利用GPU强大的计算能力和cuda优化的存储层次结构,以加速H.264编码中的运动估计.与传统的以牺牲视频质量来提升运动估计性能的方法不同,该算法在保证视频质量的同时,结合运动估计计算密集、计算量大等特点,充分利用cuda架构的并行性加快运动估计的速度,从而达到提高实时编码速度的目的.在GTX280实验平台上的实验结果显示,采用文中算法比优化的CPU实现可获得高达70倍的加速比.

摘要：为了对二值图像中连通体的标记进行加速,提出一种基于cuda的二值图像连通体标记算法.首先为每个非零元素赋予初始标号,再将标号修改为8邻域内最小标号来完成初始标记;然后根据结构元素匹配法找到标号矩阵中同一连通体有可能出现不同根标号的位置,使用原子操作对根标号进行合并,通过CPU与GPU的协同工作来判断合并程度并进行循环修改;最后对所有标号使用回溯法进行一次性修改,实现复杂形状的连通体标记.实验结果表明,该算法较已有的算法减少了全局内存的读写次数和处理线程数量,加快了处理速度.

摘要：针对标准cuda光线投射体绘制过程中因线程束内线程计算量不均产生线程束分化,导致计算资源利用率低的问题,提出cuda线程束步进的算法.首先分析标准cuda实现导致线程束分化的原因,提出将光线积分映射至线程束上,线程束内所有线程同步分段积分直至光线终止,以避免线程束分化;然后结合光线积分的数学原理和GPU的硬件特性提出线程束内光线积分的算法;最后针对静态线程束任务分配方式导致负载失衡的缺点,提出动态线程束任务分配的实现算法.实验结果表明,动态任务分配线程束步进算法的性能较标准cuda实现可获得1.9～7.9倍的加速效果.

摘要：已有的模糊连接并行算法cuda-k FOE未考虑线程块边缘点同时更新所引发的竞争问题,导致计算结果出现少量误差.由于医学图像处理对精度的要求很高,为了解决边缘点计算误差的问题,基于cuda-k FOE提出一种修正迭代算法.首先分析了cuda-k FOE算法在线程块边缘产生竞争的原因;然后讨论了边缘点亲和力的所有可能的传递路径,以及由此造成的出错情况;最后提出二次迭代修正算法,将第一次迭代得到的所有边缘点转入第二次的修正迭代步骤,从而修正第一次迭代中错误的亲和力值.采用3组不同规格的CT序列对肝脏血管进行分割实验,并选用3个不同的种子点进行算法验证,结果表明,文中算法的计算结果与串行版本一致,解决了cuda-k FOE算法的计算误差问题.

摘要：基于压缩感知的地震信号频率补偿算法可有效拓宽地震信号的频谱,提高地震资料的分辨率。虽然该算法具有良好的拓频效果,但对于高维度、大规模的地震数据时效较低。经过分析发现该算法的计算瓶颈在于计算反射系数部分的大量代数运算和重构信号部分的卷积运算,为此,提出一种基于cuda的并行方案对该算法进行并行优化。首先,改变地震数据的组织形式,使其存取效率更高,且更适合并行处理;然后,重新设计计算反射系数串行代码,利用cuda(Compute Unified Device Architecture)平台调用GPU大量轻量级线程对其中的代数运算进行并行化;最后,利用卷积定理改变了时域信号卷积计算方式,采用cufft库函数将两个时域信号的卷积转换到频域进行计算。结果表明,在保证计算精度的前提下,与串行算法相比,并行算法在PC端获得了4倍以上的总体加速比。