检索结果-南通市图书馆

基于多图像处理单元的Matlab计算全息图快速算法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2019年第5期56卷 52-57页

作者：宁冉李重光楼宇丽桂进斌宋庆和昆明理工大学理学院云南昆明650500

为实现全息图的准实时计算,提出了一种基于多图像处理单元(GPU)的Matlab计算机生成的全息图快速算法。该方法充分利用了Matlab编程的简易性和GPU的高计算性能,可有效节约全息图计算时间。模拟结果表明,所提方法的计算速度比传统计算方... 详细信息

为实现全息图的准实时计算,提出了一种基于多图像处理单元(GPU)的Matlab计算机生成的全息图快速算法。该方法充分利用了Matlab编程的简易性和GPU的高计算性能,可有效节约全息图计算时间。模拟结果表明,所提方法的计算速度比传统计算方法提高了两个数量级。

关键词：全息三维显示准实时计算图像处理单元

基于OpenGL2.0标准的图像处理单元设计与实现

在线全文

学校读者我要写书评

暂无评论

基于OpenGL2.0标准的图像处理单元设计与实现

作者：李文瑞西安电子科技大学

学位级别：硕士

高质量图像画面与高性能硬件处理器密不可分,面对日益复杂的图像处理算法,CPU有限的计算能力已经无法满足高效图像处理的要求。基于GpenGL2.0标准设计的GPU具有独立的图像处理引擎,图像处理引擎以固定渲染管线的方式对图像进行流水处理... 详细信息

高质量图像画面与高性能硬件处理器密不可分,面对日益复杂的图像处理算法,CPU有限的计算能力已经无法满足高效图像处理的要求。基于GpenGL2.0标准设计的GPU具有独立的图像处理引擎,图像处理引擎以固定渲染管线的方式对图像进行流水处理和并行计算,它不但有效加速了图像计算过程,而且提高了图像处理精度。本文结合正向自主研制的一款GPU项目,基于对OpenGL 2.0所规定的图像处理功能需求的分析,在研究图像处理算法的基础上,以固定渲染管线的方式,设计和实现了一款图像处理单元(Image Processing Unit,IPU),它可以实现GPU中图像引擎所要求的功能,完成对图像的格式转换、卷积、缩放翻转、压缩解压、像素映射五大主要功能。本文基于对相关图像处理技术及核心算法机理的研究,采用卷积算法实现glConvolutionFilter滤波函数功能;采用最邻近插值算法实现glPixelZoom缩放翻转函数功能;采用S3TC压缩解压算法实现glCompressTex Image纹理压缩函数功能。在体系结构设计方面,图像处理单元采用“双握手”协议对图像数据实现流水处理,流水线各级之间的数据交互采用先进先出队列方式完成。对像素数据采取4路R、G、B、A颜色分量并行计算的方法,在提升计算速度的同时也保证了计算精度。最后,利用软硬件协同验证方法,通过搭建模块级及系统级验证平台,利用system-verilog建立函数功能模型,验证IPU可以实现Open GL2.0所要求的图像处理功能,并且可以有效加速图像的计算速度并且保证计算精度。图像处理单元作为GPU像素流水线上主要的功能单元,在图像处理方面意义重大,它的处理能力直接影响到输出视频画面的美感、质感、逼真度,视觉冲击感,经过IPU处理的图像使画面更加精美、细致。图像处理单元可以有效提升图像处理效率以及图像的处理精度,最终提高GPU中整个像素流水线的工作性能。利用GPU中的固定渲染管线及计算阵列对图像进行处理在众多领域的应用有着重要的工程实践意义。

关键词： GPU OpenGL2.0 图像处理引擎图像处理单元像素流水线

基于SystemVerilog的图像处理单元模块验证的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SystemVerilog的图像处理单元模块验证的研究

作者：李厚博西安电子科技大学

学位级别：硕士

随着集成电路以及计算机图像技术的发展,人们对于图像质量的要求越来越高,GPU得以飞速发展。GPU中的核心部分为3D引擎,用于渲染3D图像,而图像处理单元作为3D引擎的主要组成部分,用于实现纹理操作、像素操作以及图像处理等功能。图像处... 详细信息

随着集成电路以及计算机图像技术的发展,人们对于图像质量的要求越来越高,GPU得以飞速发展。GPU中的核心部分为3D引擎,用于渲染3D图像,而图像处理单元作为3D引擎的主要组成部分,用于实现纹理操作、像素操作以及图像处理等功能。图像处理单元作为GPU中主要的数据通路及处理图像的主要手段,其丰富的数据通路及巨量的数据计算给传统的验证手段带来了挑战。功能验证是芯片开发工程中不可或缺的一个阶段,通常占用开发周期的75%左右,而采用SystemVerilog验证语言,基于事务级验证技术可在大程度上提高功能验证的效率。本论文以GPU3D引擎中的核心部分图像处理单元为研究对象,重点开展基于SystemVerilog的图像处理单元模块验证工作的研究。首先,对图像处理单元功能规范以及OpenGL协议进行了研究,详细剖析了图像处理单元包括图像管线、图像处理子集、纹理操作、像素操作等功能,并据此制定了验证策略,提取出了待验证的功能点。随后,针对图像处理单元所要验证的功能点,本论文使用SystemVerilog验证语言,基于事务级验证技术,搭建了实现自动比对的图像处理单元验证平台,包括基于interface的功能总线模型、参考模型、事务发生器、监控器四个部分。其中,基于interface的功能总线模型可完成图像处理单元外围模块与图像处理单元的交互功能;参考模型可实现图像处理单元模块的所有功能,同时分块式的设计可用于模块级仿真的重用;事务发生器将与图像处理单元有关的OpenGL函数封装起来作为事务级操作;监控器具有自动比对并输出对错的功能,与参考模型一起可完成验证平台的自动比对。最后,为了保证验证的完备性和正确性,基于验证策略,设计并编写相关测试用例,使用设计好的验证平台,从基本资源测试、函数功能测试、图像处理单元内部模块功能测试、异常测试、边界测试五个方面的验证(基本资源测试可用于测试SRAM、寄存器等基本单元,函数功能测试可用于测试支持的OpenGL函数功能,图像处理单元内部模块功能测试可用于测试图像处理单元内部各模块的功能,异常测试可用于测试异常场景,边界测试可用于测试临界场景)来完成图像处理单元的功能验证工作。在所有测试用例仿真完成并通过后,利用回归测试批量仿真来收集覆盖率,覆盖率总体超过了95%,达到了验证要求。此外,本论文还采用一种可视化的验证方法,即:验证平台收集处理后的图片,并与处理前的图片进行比较。这样一种可视化的验证方法不仅可评估设计效果,更可以方便检视出bug并修改。本论文提出的一种基于SystemVerilog的图像处理单元的验证方法具有可重用性高、自动化高的特点,该验证方法合理可行,并给类似于图像处理单元系统级验证的大数据量、多功能性、难以观察的待测设计的功能验证提供了解决思路。

关键词： SystemVerilog 事务级验证技术图像处理单元图形处理器 OpenGL

基于SystemC TLM模型的GPU图像处理单元验证

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SystemC TLM模型的GPU图像处理单元验证

作者：康国栋西安电子科技大学

学位级别：硕士

图形处理器（Graphics Processing Unit,GPU）是一种专用的图像处理芯片,是集成电路领域的研究热门方向之一。图像处理器处理的数据形式单一,其计算方式也并不复杂,但是吞吐量大,控制流通路多而繁琐,设计和验证难度较高。SystemC语言具... 详细信息

图形处理器（Graphics Processing Unit,GPU）是一种专用的图像处理芯片,是集成电路领域的研究热门方向之一。图像处理器处理的数据形式单一,其计算方式也并不复杂,但是吞吐量大,控制流通路多而繁琐,设计和验证难度较高。SystemC语言具有强大的协同仿真验证功能,可以在RTL设计完成之前,提供一个可以探索芯片架构的功能模型。因此,对GPU进行SystemC建模与验证有比较大的研究意义。本文在深入分析了实习项目中图像处理单元模块的特点,总结了项目中针对该模块以及后续模块的验证需求,采取了基于SystemC TLM模型的验证策略,并对图像单元进行了事务级的建模。在参考业内使用SystemC进行建模与验证的经验,设计了一套针对SystemC与RTL进行通信的wrapper（封装）,对GPU的SystemC-TLM模型进行了单独的验证。在完成图像处理单元的SystemC-TLM模型后,研究了新的系统验证平台。通过对图形流水线理论以及基于OpenGL的图像流水线的实现方式的理论研究,编写了基于OpenGL2.0的测试用例,测试用例与TLM模型之间的驱动driver使用C语言编写,直接对模型的寄存器进行读写。在验证完TLM模型中的clock模块,复位模块,memory模块,DMA模块等模块后,对GPU整体进行了功能验证。本文基于SystemC TLM模型的验证已经在后续的项目中得到了应用,测试平台在接口验证,子系统的验证中得到了复用。在GPU的验证过程中,已经发现模型的若干缺陷,挑选其中具有代表性的一些缺陷,列举在了本文最后一章,并说明了如何针对模型进行修改。这些验证的成果表明,基于SystemC TLM模型的验证策略,可以提高验证的灵活性和复用性,能够降低芯片的验证成本。

关键词： SystemC GPU 建模图像处理单元验证

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GeForce 6200：图像处理单元

世界电子元器件 2004年第11期 20-20页

NVIDIA公司推出新型图像处理单元(GPU)GeForce6200系列，提供DirectX 9．0 Shader Model 3.0和NVIDIA UltraShadowⅡ技术，并以合理价格提供高清晰视频播放功能。

关键词： NVIDIA公司 GeForce6200 图像处理单元功能

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

GeForce6600：图像处理单元

世界电子元器件 2004年第9期 18-18页

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

多块合并压缩感知实时成像

红外与毫米波学报 2023年第1期42卷 61-71页

作者：李虎刘雪峰姚旭日刘璠窦申成胡钛翟光杰中国科学院国家空间科学中心复杂航天器系统电子信息技术重点实验室北京100190 北京理工大学物理学院量子技术研究中心和先进光电量子结构设计与测量教育部重点实验室北京100081 中国科学院国家空间科学中心空间科学卫星运控部北京100190 中国科学院大学北京100049 北京量子信息研究院北京100081

中长波红外成像探测器成本高昂,成为该波段高分辨成像和实时显示的巨大挑战。本文提出一种高效合并分块压缩感知方法(Multi-block Combined Compressed Sensing,MBCS),适用于基于焦平面阵列的压缩成像系统,它结合了并行采样和快速重建优... 详细信息

中长波红外成像探测器成本高昂,成为该波段高分辨成像和实时显示的巨大挑战。本文提出一种高效合并分块压缩感知方法(Multi-block Combined Compressed Sensing,MBCS),适用于基于焦平面阵列的压缩成像系统,它结合了并行采样和快速重建优势,可通过低分辨红外探测器实现低分辨并行测量和高分辨图像快速重建。与传统的基于压缩感知超分辨成像相比,该方法可提升高分辨图像重建的质量,同时实现高速重建。本文对光学系统原型和MBCS重建模型测量矩阵构建过程进行了研究,讨论了合并块大小对重建性能的影响,发现存在最优块大小使重建速度与重建质量都最优。此外,本文还实现了基于GPU加速的MBCS重建算法,用于进一步改进并行成像系统的图像重建速度。仿真和光学实验验证了该光学系统并行采样和快速重建策略的有效性,512×512分辨率成像与显示速度可达到5 Hz。

关键词：压缩成像分块压缩感知中红外焦平面阵列图像处理单元

在线全文

学校读者我要写书评

暂无评论

基于GPU的RDF类型同构并行算法

计算机研究与发展 2018年第3期55卷 651-661页

作者：冯佳颖张小旺冯志勇天津大学计算机科学与技术学院天津300350 天津市认知计算与应用重点实验室天津300350 天津大学软件学院天津300350

资源描述框架(resource description framework,RDF)作为W3C(World Wide Web Consortium)组织提出的语义网数据规范,描述了资源及其之间的关系.随着RDF数据规模不断增加,高效地检索RDF数据成为当前面临的重大挑战.在RDF数据上的查询响... 详细信息

资源描述框架(resource description framework,RDF)作为W3C(World Wide Web Consortium)组织提出的语义网数据规范,描述了资源及其之间的关系.随着RDF数据规模不断增加,高效地检索RDF数据成为当前面临的重大挑战.在RDF数据上的查询响应问题可以被简化为子图同构问题.作为子图同构的重要部分,类型同构(type-isomorphism)在处理部分RDF查询,如星状查询和链状查询等,具有较高的性能.目前,现有解决类型同构的方法匹配效率均依赖于CPU的计算能力.近年来,图像处理单元(graphic processing units,GPU)的发展提高了图数据处理的性能.与CPU相比,GPU多处理器具有高并发、易扩展以及价格成本低等优势.由于CPU处理大规模RDF数据的计算能力有限,提出一种基于GPU的RDF类型同构算法,使类型同构问题在GPU架构上通过并行的方式解决.最后,实现了基于GPU的RDF类型同构算法,并在基准数据集LUBM上对该算法进行性能测试,实验结果表明:该算法显著优于基于CPU架构的算法.

关键词：资源描述框架 SPARQL查询处理子图同构类型同构图像处理单元

基于CUBLAS和CUDA的MNF并行算法设计与优化

在线全文

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2017年第4期44卷 147-156页

作者：周海芳高畅方民权国防科学技术大学计算机学院湖南长沙410073

为实现高光谱影像数据快速降维,基于nVidia的图像处理单元(graphic processing unit,GPU)研究最大噪声分数变换(Maximum Noise Fraction Rotation,MNF Rotation)降维算法的并行设计与优化,通过对加速热点并行优化,择优整合,设计并实现基... 详细信息

为实现高光谱影像数据快速降维,基于nVidia的图像处理单元(graphic processing unit,GPU)研究最大噪声分数变换(Maximum Noise Fraction Rotation,MNF Rotation)降维算法的并行设计与优化,通过对加速热点并行优化,择优整合,设计并实现基于CUBLAS(CUDA Basic Linear Algebra Subprograms)库的MNF-L(MNF-on-Library)算法和基于CPU/GPU异构系统的MNF-C(MNF-on-CUDA)算法.实验结果显示MNF-L算法加速11.5~60.6倍不等,MNF-C算法加速效果最好,加速46.5~92.9倍不等.研究结果表明了GPU在高光谱影像线性降维领域的巨大优势.

关键词：图像处理单元 GPU性能优化高光谱影像降维最大噪声分数变换协方差矩阵计算