[发明专利]基于并行运算的非下采样轮廓波变换优化方法有效
| 申请号： | 201810560673.0 | 申请日： | 2018-06-04 |
| 公开（公告）号： | CN108897616B | 公开（公告）日： | 2021-08-24 |
| 发明（设计）人： | 滕奇志;张耀;王润涵;何小海;卿粼波;熊淑华 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06F9/50 | 分类号： | G06F9/50;G06F8/40 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610065 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于并行运算的非下采样轮廓波变换优化方法，包括以下步骤(1)根据GPU和CPU配置情况，计算执行NSCT算法中多尺度分解与不同级别方向分解所需要启用的GPU数目和开启的CPU线程数，以及分配给每个GPU的实际计算量；(2)对NSCT分解与重构过程进行并行性分析，发现可以将图像数据移动至GPU，计算卷积，计算结果回存等过程进行并行处理；(3)使用OpenMP和CUDA并行执行NSCT分解和重构过程。本发明方法可以通过并行执行数据移动、像素级并行计算卷积等过程，显著提高NSCT运算速度，降低运行时间，提高NSCT算法的实用性。 | ||
| 搜索关键词： | 基于 并行 运算 采样 轮廓 变换 优化 方法 | ||
【主权项】：
1.基于并行运算的非下采样轮廓波变换优化方法，其特征在于：包括以下步骤：(1)将NSCT算法的matlab源码通过matlab2cpp工具，使用Armadillo库和OpenBLAS库，工具翻译转换为C++代码；(2)对步骤(1)中使用工具翻译转换得到的C++代码进行人工修正，包括计算精度的修正等；(3)根据GPU和CPU配置情况，计算执行NSCT算法中多尺度分解与不同级别方向分解所需要启用的GPU数目和开启的CPU线程数，以及分配给每个GPU的实际计算量；(4)对NSCT分解与重构过程进行并行性分析；(5)使用OpenMP和CUDA并行执行NSCT分解过程；(6)使用OpenMP和CUDA并行执行NSCT重构过程。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810560673.0/，转载请声明来源钻瓜专利网。
