导读:本文包含了分块并行论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,影像匀色,GPU并行,自适应分块
分块并行论文文献综述
李烁,王慧,王利勇,于翔舟,杨乐[1]（2019）在《自适应分块加权Wallis并行匀色》一文中研究指出针对区域范围内多幅待镶嵌影像之间的色彩差异问题,提出一种基于GPU的分块加权Wallis并行匀色算法。首先,根据变异系数对影像自适应分块并利用双线性插值确定每一个像素的变换参数,利用加权Wallis变换消除影像间的色彩差异。然后,为了控制区域整体的匀色质量,利用Voronoi图和Dijkstra算法确定影像间的处理顺序。最后,利用GPU技术进行并行任务设计并从配置划分、存储器访问和指令吞吐量等方面进行优化,提高算法运算效率。实验结果表明,本文方法既能有效地消除影像间色彩差异,又能消除影像间的对比度差异。与CPU串行算法相比,GPU并行算法显着减少了计算时间,加速比最高达到60倍以上。(本文来源于《遥感学报》期刊2019年04期）
夏永泉,孙静茹,WU,Xin-wen,支俊,王兵[2]（2019）在《高分辨率天文图像分块并行特征提取方法研究》一文中研究指出图像并行处理研究较多,但鲜有分块文献以及图像分块机制研究。针对高分辨率天文图像数据量大、特征提取速度缓慢的问题,研究了图像分块并行处理策略。通过对高分辨天文图像在不同分块分辨率下的特征提取时间进行对比分析,找到特征提取速度最快的分块分辨率。通过实验对比和分析得到分块策略,通过实验验证了方法的有效性。(本文来源于《软件导刊》期刊2019年09期）
吴振华[3]（2019）在《基于分块处理的2D图像并行绘制技术》一文中研究指出2D绘图一直都是计算机应用的重点,包括各种应用软件的界面,大量的游戏软件等。虽然多核CPU已经普及,但大多数绘图程序的运行方式还是处于传统的单线程状态,使得多核CPU大多情况无法充分发挥性能,为此,文中提出了一种基于分块处理的图像并行绘制技术。首先,针对绘图的特征,提出了一种划分绘图子区域的方法;其次,研究了一种支持CPU多线程处理的"绘图命令队列"模型,对划分的子区域进行快速并行数据处理和优化;最后,将上述方法进行程序实现,并在通用计算机上和传统方式进行了对比测试。研究发现:传统单线程模式下,屏幕同时显示一定数量随机位置的图片时,CPU的占用率随着图片数量的上升而上升,但无法突破单线程程序的占用上限,在达到单线程的CPU占用上限之后,显示帧率会逐渐下降;而采用基于分块处理的图像并行绘制技术进行同样测试时,会均匀的把负载分布到CPU的各个核心,随着图片数量的增加,CPU各个核心的占用也随之提高,当CPU所有核心的利用率都占满之后,显示帧率才会逐渐下降。因此,基于分块处理的并行绘制技术,能在同样的硬件环境中,单位时间内承载的计算量更多,显着的提高了多核处理器的加速效率。该技术的实现能为当前计算机2D绘图、2D游戏等领域提供强有力技术支撑。(本文来源于《电子技术与软件工程》期刊2019年04期）
夏永泉,孙静茹,支俊,王兵,谢希望[4]（2018）在《高分辨率天文图像并行处理中的分块方法研究》一文中研究指出针对高分辨率天文图像分辨率较高,较多的专家学者采用了对图像进行分块的策略,将不同的图像块进行并行处理,但少有对分块方法进行研究和分析.文中对分辨率较高的图像如何分块进行了分析和研究,并提出了一种分块方法,该方法通过不同分辨率和不同CPU核数下进行分析和实验,在不同资源环境条件下,对图像进行分块处理,得到不同情况下的串并行处理时间,得到在什么情况下才有串行方式处理,什么情况下才有分块策略进行并行处理,通过实验和分析,验证了该方法的有效性和实用性.(本文来源于《湖北民族学院学报(自然科学版)》期刊2018年04期）
方留杨,何红艳,张炳先[5]（2018）在《分块变换和GPU并行的遥感影像快速正射校正方法》一文中研究指出正射校正是整个遥感数据处理过程中计算量最大、耗时最长的步骤之一,已经成为制约整个遥感数据处理快速完成的瓶颈。为了提高正射校正处理效率,文章系统地探讨了基于分块叁维直接线性变换和图形处理单元(GPU)并行的遥感影像快速正射校正方法。首先针对正射校正坐标转换计算量过大的问题,提出了分块叁维直接线性变换策略,有效地降低了坐标转换的计算量;在此基础上,采用"渐进式"策略开展GPU并行处理,首先通过GPU并行映射(核函数任务映射、基本设置),使方法在GPU上可执行,然后通过"两层次"性能优化(核函数性能优化、整体流程性能优化),进一步提高了方法的执行效率。在CPU和GPU组成的实验环境中,使用文中方法对"高分二号"卫星全色标准景影像进行实验,GPU执行时间仅为5.13s,与CPU相比,相应加速比达到142.42倍,可以满足对大数据遥感影像的快速正射校正需求。(本文来源于《航天返回与遥感》期刊2018年06期）
张闯,廖士中[6]（2018）在《并行效率敏感的大规模SVM数据分块数选择》一文中研究指出数据分块数的选择是并行/分布式机器学习模型选择的基本问题之一,直接影响着机器学习算法的泛化性和运行效率。现有并行/分布式机器学习方法往往根据经验或处理器个数来选择数据分块数,没有明确的数据分块数选择准则。提出一个并行效率敏感的并行/分布式机器学习数据分块数选择准则,该准则可在保证并行/分布式机器学习模型测试精度的情况下,提高计算效率。首先推导并行/分布式机器学习模型的泛化误差与分块数目的关系。然后以此为基础,提出折衷泛化性与并行效率的数据分块数选择准则。最后,在ADMM框架下随机傅里叶特征空间中,给出采用该数据分块数选择准则的大规模支持向量机实现方案,并在高性能计算集群和大规模标准数据集上对所提出的数据分块数选择准则的有效性进行实验验证。(本文来源于《数据采集与处理》期刊2018年06期）
吴荣腾[7]（2018）在《一种分块并行Cholesky分解动态调度算法》一文中研究指出为解决分块并行Cholesky分解过程中各处理器间的负载平衡问题,分析了算法的下叁角矩阵特性以及各轮循环和循环内部各步骤基本计算任务之间存在的依赖关系,以各步骤的矩阵块基本计算任务为顶点,任务间的依赖关系为有向边,构造有向无环图,并根据有向无环图的性质建立二级队列,然后利用该队列对就绪任务进行排队,实现任务的动态调度.研究结果表明:在矩阵块数不是非常大的情况下,该算法在时间性能上比传统的分块并行Cholesky分解算法具有明显的优势.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2018年05期）
邓桥[8]（2018）在《基于相关滤波器的分块并行目标跟踪算法研究》一文中研究指出随着计算机视觉和人工智能等领域的发展,采用视觉分析的算法模拟人眼和大脑实现对图像和视频的理解成为近年来的研究重点和热点。其中视觉目标跟踪是人工智能等视觉分析领域备受关注的课题之一,在无人驾驶、交通检测、安全监控、人机交互、医疗应用、导航和军事等领域都具有极其重要的应用。但是当面临快速运动、运动模糊、形状变化、目标旋转、尺度变化和移出视野等外观变化,以及包括背景杂乱,光照变化,低分辨率和部分遮挡的环境变化时,视觉目标跟踪仍然是一项具有挑战性的任务。本文研究基于相关滤波器的目标跟踪算法的优缺点,提出了一种在贝叶斯框架下的基于多分块策略的目标跟踪算法框架。该算法主要解决在跟踪问题中最具有挑战的遮蔽、形变和尺度变化等干扰属性。本文提出的算法框架中的核心组件包括目标表观模型、目标运动模型和目标特征模型,分别利用了基于相关滤波器的跟踪算法求解目标表观模型、挖掘各个分块响应图在时间上的联系计算分块自身的可靠性和计算同一帧多块之间的关系来定义每个分块对整个跟踪结果的贡献。并且提出了对每个模型和参数的自适应更新方式以及目标的自适应尺度估计方式。其次,为了降低多分块目标跟踪算法的计算复杂度问题,本文分析了传统基于相关滤波算法各个组件的执行时间比,对可并行部分在GPU硬件平台上利用CUDA软件技术,对影响整个跟踪算法实时性最大的包括特征提取和核函数矩阵计算上分别进行了并行化处理,最后利用CUDA的流处理能力在一次跟踪时间下实现了整个跟踪的任务级别并行,成倍的提升了跟踪算法的跟踪速度。最后,通过在包含各种干扰情况下的100个序列上面对本文提出的算法进行了详尽的评估,并且与目前最主流的10种算法在定量分析、定性分析、基于属性的分析和执行时间分析上进行了对比。实验结果表明,本论文设计的并行算法框架不仅在包括遮蔽、形变、尺度变化等干扰下能实现稳定和精确的跟踪,并且在实时性上相比于传统基于分块和优化的跟踪算法更具有显着的优势。本文的算法,不管在理论上的创新上还是在实际的工程应用种都具有重要的价值。(本文来源于《电子科技大学》期刊2018-03-01）
贾崇伟[9]（2017）在《纯整数运算分块并行Turbo编译码器的FPGA设计》一文中研究指出时至今日,距Turbo码提出已近20多年的时间,Turbo码在信道编码领域取得了不可替代的地位。在5G即将到来的今时今日,Turbo码具有继往开来的重要作用,为实现4G到5G的平稳转变具有重大的意义。本文以FPGA为设计对象,研究一种新型的基于纯整数运算下的分块并行Turbo译码器,在时代背景下谋求创新,迎合发展。首先,本文分别对Turbo码编译码端结构原理做了讲解,然后分析了几种经典的对数域简化MAP译码算法,对其性能进行了软件仿真对比,结果表明线性Log-Map算法在译码性能优良的情况下更易硬件实现;接着,本文研究了纯整数运算线性Log-Map译码算法,并与浮点数Log-Map算法与MAP算法进行了对比分析,仿真结果表明其BER性能与浮点数MAP算法相当,是一种译码性能优良且可直接用于硬件处理的实用算法;鉴于串行迭代译码延迟大的缺点,本文分别分析了滑窗译算以及两种不同初值处理方式的分块并行译码结构,并将其与纯整数译码算法相融合,软件仿真确定了基于纯整数运算下的分块滑窗算法的参数设置,为后文FPGA端的设计做好了理论基础。在前文研究的基础上,以Altera公司的Quartus II为设计环境,采用Verilog HDL编程语言对Turbo编译码器进行FPGA设计,充分利用流水线结构和并行化结构来优化设计时序。首先根据编码端的构造分模块设计,对每一个模块都进行了功能验证,给出了设计结果;随后针对纯整数分块并行译码算法在FPGA上进行了详细的设计,给出了每一模块的设计方案以及时序仿真图。最后,对译码器整体进行了功能测试和等效性能测试,结果表明本设计能够正确的完成相应的功能。本文共分为四章,第一章以信道编码发展史引入Turbo码,并对其研究现状做了陈述;第二章在分析Turbo编译码原理的基础上,重点引出了线性Log-Map算法;第叁章实现了将纯整数线性近似Log-Map算法融合于滑窗和分块并行译码结构中;第四章给出了 Turbo编译码器的详细FPGA设计方案及结果分析。(本文来源于《西南交通大学》期刊2017-05-01）
黄丽嫦,林结[10]（2016）在《线性规划问题的分块并行求解及应用》一文中研究指出在线性规划问题的众多求解算法中,单纯形法仍然是最有效和最常用的算法。分析了单纯形法的计算原理及过程,并对换基迭代过程中的相关运算进行了分块处理,在此基础上,设计实现了一种具有并行处理机制的线性规划问题的求解算法。实际应用表明,新算法具有良好的加速比,且在具有多核架构的微机中易于实现。(本文来源于《科技资讯》期刊2016年11期）
分块并行论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像并行处理研究较多,但鲜有分块文献以及图像分块机制研究。针对高分辨率天文图像数据量大、特征提取速度缓慢的问题,研究了图像分块并行处理策略。通过对高分辨天文图像在不同分块分辨率下的特征提取时间进行对比分析,找到特征提取速度最快的分块分辨率。通过实验对比和分析得到分块策略,通过实验验证了方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分块并行论文参考文献
[1].李烁,王慧,王利勇,于翔舟,杨乐.自适应分块加权Wallis并行匀色[J].遥感学报.2019
[2].夏永泉,孙静茹,WU,Xin-wen,支俊,王兵.高分辨率天文图像分块并行特征提取方法研究[J].软件导刊.2019
[3].吴振华.基于分块处理的2D图像并行绘制技术[J].电子技术与软件工程.2019
[4].夏永泉,孙静茹,支俊,王兵,谢希望.高分辨率天文图像并行处理中的分块方法研究[J].湖北民族学院学报(自然科学版).2018
[5].方留杨,何红艳,张炳先.分块变换和GPU并行的遥感影像快速正射校正方法[J].航天返回与遥感.2018
[6].张闯,廖士中.并行效率敏感的大规模SVM数据分块数选择[J].数据采集与处理.2018
[7].吴荣腾.一种分块并行Cholesky分解动态调度算法[J].辽宁工程技术大学学报(自然科学版).2018
[8].邓桥.基于相关滤波器的分块并行目标跟踪算法研究[D].电子科技大学.2018
[9].贾崇伟.纯整数运算分块并行Turbo编译码器的FPGA设计[D].西南交通大学.2017
[10].黄丽嫦,林结.线性规划问题的分块并行求解及应用[J].科技资讯.2016