-
公开(公告)号：CN107292804B
公开(公告)日：2019-09-17
申请号：CN201710405996.8
申请日：2017-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于OpenCL的直接多曝光融合并行加速方法，本发明的方法基于CPU+GPU的异构并行架构，利用GPU强大的浮点计算能力，在OpenCL开发环境下，通过合并内核、缓存高斯核到常量存储器、缓存复用数据到局部存储器、增大每个工作项的工作量等方式，缩短了访存和计算时间，实现了更快速多曝光融合，较传统的串行处理方法，本发明的方法取得的最大加速比达11.19，有效地减少了多曝光融合算法运行时间，为多曝光融合算法的进一步应用提供了有力保障；另外，在空间频率和平均梯度方面，本发明的方法都有较为明显的改善，有效解决了电子成像和显示设备动态范围不足导致的场景细节信息丢失问题。
-
公开(公告)号：CN106780358B
公开(公告)日：2019-09-17
申请号：CN201611029958.9
申请日：2016-11-15
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明涉及基于全变分模型的IRFPA非均匀性神经网络校正方法，包括以下步骤：(1)、设定IRFPA探测器(i,j)像元增益校正参数的初始值为1，设定IRFPA探测器(i,j)像元偏置校正参数的初始值为0；(2)、构建神经网络输入层；(3)、计算n时刻输入层观测值的校正值输出构建神经网络输出层；(4)、计算(i,j)像元的期望输出值(5)、确定隐含层能量泛函的保真项和正则项构建神经网络的隐含层；(6)、采用最陡下降法，获得第n+1时刻对应的增益校正参数和偏置校正参数(7)、从神经网络输出层获取n+1时刻的校正输出(8)、对IRFPA探测器采集到的后续的场景辐射观测值依次执行步骤(4)到步骤(7)，得到相应的校正值其中t≥n+2。
-
Patent Agency Ranking
公开(公告)号：CN107292804A
公开(公告)日：2017-10-24
申请号：CN201710405996.8
申请日：2017-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于OpenCL的直接多曝光融合并行加速方法，本发明的方法基于CPU+GPU的异构并行架构，利用GPU强大的浮点计算能力，在OpenCL开发环境下，通过合并内核、缓存高斯核到常量存储器、缓存复用数据到局部存储器、增大每个工作项的工作量等方式，缩短了访存和计算时间，实现了更快速多曝光融合，较传统的串行处理方法，本发明的方法取得的最大加速比达11.19，有效地减少了多曝光融合算法运行时间，为多曝光融合算法的进一步应用提供了有力保障；另外，在空间频率和平均梯度方面，本发明的方法都有较为明显的改善，有效解决了电子成像和显示设备动态范围不足导致的场景细节信息丢失问题。
-
公开(公告)号：CN106780358A
公开(公告)日：2017-05-31
申请号：CN201611029958.9
申请日：2016-11-15
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明涉及基于全变分模型的IRFPA非均匀性神经网络校正方法，包括以下步骤：(1)、设定IRFPA探测器(i,j)像元增益校正参数的初始值为1，设定IRFPA探测器(i,j)像元偏置校正参数的初始值为0；(2)、构建神经网络输入层；(3)、计算n时刻输入层观测值的校正值输出构建神经网络输出层；(4)、计算(i,j)像元的期望输出值(5)、确定隐含层能量泛函的保真项和正则项构建神经网络的隐含层；(6)、采用最陡下降法，获得第n+1时刻对应的增益校正参数和偏置校正参数(7)、从神经网络输出层获取n+1时刻的校正输出(8)、对IRFPA探测器采集到的后续的场景辐射观测值依次执行步骤(4)到步骤(7)，得到相应的校正值其中t≥n+2。
-
公开(公告)号：CN105931207B
公开(公告)日：2018-08-10
申请号：CN201610370775.7
申请日：2016-05-30
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于GPU加速的非局部平均滤波实时处理方法，主要解决了非局部平均滤波算法难以满足实时性要求这一问题。本方法利用GPU卓越的多线程并行数据处理能力，使用OpenCL平台，在GPU上并行地实现图像的滤波处理。在滤波过程中，对中心图像片和相似图像片进行投影，并且利用拆分核函数、优化访存等方法有效减少了计算量和数据读取时间。与现有的非局部平均滤波方法相比，本发明能够在保证去噪性能的前提下，对VGA(分辨率为640*480)和SVGA(分辨率为600*800)图像进行实时的非局部平均滤波处理，较之传统的串行处理方法，本方法取得了最高达111倍的加速比。
-
公开(公告)号：CN105931207A
公开(公告)日：2016-09-07
申请号：CN201610370775.7
申请日：2016-05-30
Applicant: 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于GPU加速的非局部平均滤波实时处理方法，主要解决了非局部平均滤波算法难以满足实时性要求这一问题。本方法利用GPU卓越的多线程并行数据处理能力，使用OpenCL平台，在GPU上并行地实现图像的滤波处理。在滤波过程中，对中心图像片和相似图像片进行投影，并且利用拆分核函数、优化访存等方法有效减少了计算量和数据读取时间。与现有的非局部平均滤波方法相比，本发明能够在保证去噪性能的前提下，对VGA(分辨率为640*480)和SVGA(分辨率为600*800)图像进行实时的非局部平均滤波处理，较之传统的串行处理方法，本方法取得了最高达111倍的加速比。
-
公开(公告)号：CN104811146A
公开(公告)日：2015-07-29
申请号：CN201510177573.6
申请日：2015-04-15
Applicant: 西安电子科技大学
IPC: H03F1/26
Abstract: 本发明公开一种基于逆重复m序列的抗奇倍频干扰的锁定放大系统，其包括逆重复m序列信号产生单元、待测微弱电压信号、斩波器、正向放大器、反向放大器、模拟开关、低通滤波器、直流放大器和模数转换器；所述逆重复m序列信号产生单元控制整个锁定放大系统的工作流程，采集输入信息，利用代码产生逆重复m序列；所述斩波器用于将待测微弱电压信号调制成交变信号；所述正向放大器、反相放大器和模拟开关构成数字相关器；所述低通滤波器用以作为整个锁定放大系统的积分器；所述直流放大器将低通滤波器输出的信号调节到模数转换器的采集范围内；所述模数转换器用于采集直流放大器的输出电压。该锁定放大系统能改善信噪比、增加抗干扰能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
