改进的自适应伽马变换图像增强算法仿真

针对传统方法在处理低质量图像时出现的对比度低、亮度过亮等问题,提出一种改进的自适应伽马变换图像增强算法。用图像对比度为标准,将图像分为低对比度图像及中等对比度图像。构造一种改进的伽马函数,利用图像局部信息自适应确定伽马变换的参数,对相应图像进行亮度和对比度提高。实验结果表明,算法可以弥补其它参考算法处理结果亮度值过高、对比度低的不足,有效改善了图像的亮度和对比度,且适用于低对比度、低照度图像、医学MRI图像等多种低质图像。

统一计算设备架构下的F-X域预测滤波并行算法

针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理器(GPU)将滤波过程分解为多个任务并行处理;最后,对算法进行并行实现,并对相邻滤波窗口的数据冗余读取进行优化以提升算法效率。基于NVIDIA Tesla K20c显卡的实验结果表明,在250×250大小工区的地震数据中,所提并行算法较原串行算法在效率上实现了10.9倍的提升,同时能保证工程中要求的计算精度。