基于OpenCL的图像重映射算法优化研究

图像重映射（Remap）算法是典型的图像变化算法。在图像放缩、扭曲、旋转等领域有着广泛的应用。随着图片规模和分辨率的不断提高，对图形映射算法的性能提出了越来越高的要求。本文在充分考虑不同GPU平台硬件体系结构差异的基础上，系统研究了在OpenCL框架下图像映射（Remap）算法在不NGPU平台上的高效实现方式。并从片外内存访存优化，向量化计算，减少动态指令等多个优化角度考察了不同优化方法在不同GPU平台上对性能的影响，提出了在不同GPU平台间实现性能移植的可能性。实验结果表明，优化后的算法在不考虑数据传输时间的前提下，在AMDHD5850GPU上相对于CPU版本取得114．3--491．5倍的加速比，相对于CUDA版本（现有GPU算法的实现）得到1．01～1．86的加速比，在NIVIDIAC2050GPU上相对CPU版苓取得100．7～369．8倍的加速比，相对于CUDA版本得到0．95～1．58的加速比。有效验证了本文提出的优化方法的有效性和胜能可移植性。

球对称形式物质点法及其在水下爆炸中的应用

利用物质点法求解三维远场水下爆炸冲击响应问题时,爆炸冲击波到达结构物之前传播过程的计算会消耗大量的计算资源,影响求解效率。针对这一问题,并考虑到水下爆炸冲击波在自由场中的传播特点,提出了一维球对称形式的物质点法,对球形炸药水下爆炸过程进行了数值模拟,并与Cole公式以及DYNA计算结果进行了比较,结果吻合较好,验证了一维球对称形式物质点法的正确性。在此基础上,提出了基于物质点法的重映射算法,将爆炸冲击波在自由场中的传播过程在一维球对称模型中进行计算,并将计算结果映射到三维模型中,以便继续完成计算过程,有效避免了计算资源在冲击波传播过程计算上的消耗。

Composite cone-beam filtered backprojection algorithm based on nutating line

The FDK algorithm is the most popular cone beam algorithm in the medical and industrial imaging field. Due to data insufficiency acquired from a circular trajectory, the images reconstructed by the FDK algorithm suffer from the intensity droping with increasing cone angle. To overcome the drawback,a modified FDK algorithm is presented by convert the 1D ramp filtering direction from along the horizontal lines to along the nutating lines based on the result of Turbell. Unlike Turbell＇s method,there is no need for our algorithm to rebin the cone-beam data into 3D parallel-beam data before reconstructing. Moreover pre-weighting of the projection data is corrected by compensating for the cone angle effect. In addition,another correction term derived from the result of Hu is also induced into our algorithm. The simulation experiments demonstrate that the final algorithm can SUDDress the intensity droD associated with the FDK algorithm.