本文關(guān)鍵詞：相位差算法的并行化分析與實(shí)現(xiàn)

  更多相關(guān)文章： 自適應(yīng)光學(xué) 相位差算法 波前探測(cè) 圖像復(fù)原 并行計(jì)算 傅里葉變換 光學(xué)傳遞函數(shù)

【摘要】：受大氣湍流影響,平面波經(jīng)大氣傳播后,振幅和相位將發(fā)生隨機(jī)起伏,導(dǎo)致光強(qiáng)閃爍、波面畸變。當(dāng)光進(jìn)入光學(xué)系統(tǒng)后,光學(xué)系統(tǒng)自身裝調(diào)誤差、光學(xué)元件制造誤差以及溫度和重力等因素都會(huì)導(dǎo)致波前發(fā)生畸變。為提高成像質(zhì)量,必須消除或降低大氣湍流和系統(tǒng)自身誤差的影響。為此,研究人員提出了許多方法,這些方法大體分為兩類:一類是自適應(yīng)光學(xué)技術(shù),這一技術(shù)通過波前探測(cè)器對(duì)波前畸變進(jìn)行探測(cè),并實(shí)時(shí)地將探測(cè)到的波前轉(zhuǎn)變?yōu)樽冃午R的控制信號(hào),使波前畸變得到實(shí)時(shí)補(bǔ)償。另一類方法是事后圖像處理技術(shù),該技術(shù)的核心是通過成像面的光強(qiáng)分布對(duì)目標(biāo)進(jìn)行反演,這類方法主要包括斑點(diǎn)成像、解卷積和盲解卷積等算法。相位差算法(Phase Diversity,PD)是一種既可以作為波前探測(cè)又可以用于事后圖像復(fù)原的技術(shù)。與其他波前探測(cè)技術(shù)相比,PD算法不僅可以應(yīng)用于點(diǎn)目標(biāo)還可以應(yīng)用于擴(kuò)展目標(biāo),并且結(jié)構(gòu)簡(jiǎn)單、不存在非共光路誤差。但是,PD算法計(jì)算量大,一直以來只應(yīng)用在圖像事后處理領(lǐng)域或者與自適應(yīng)光學(xué)相結(jié)合使用。近些年,隨著高性能計(jì)算技術(shù)的發(fā)展,許多復(fù)雜的計(jì)算問題都得到了解決。在此基礎(chǔ)上,本課題針對(duì)如何提高相位差算法計(jì)算速度開展如下研究:第一,對(duì)PD算法的計(jì)算過程進(jìn)行分析,找到限制算法計(jì)算速度的瓶頸。從計(jì)算步驟來看,耗時(shí)最長(zhǎng)的部分為代價(jià)函數(shù)和梯度函數(shù)的計(jì)算。從運(yùn)算單元的角度來看,耗時(shí)最長(zhǎng)的為傅里葉變換和規(guī)約求和。第二,基于GPU平臺(tái)的FFT庫函數(shù)CUFFT雖歷經(jīng)幾次升級(jí),計(jì)算效率得到大幅提升。但是,通過分析發(fā)現(xiàn)二維FFT計(jì)算效率仍有較大提升空間,而且針對(duì)特定應(yīng)用,CUFFT庫函數(shù)不能與上下文的計(jì)算合并,從而導(dǎo)致多次對(duì)Global Memory的訪問。本文分析了合并內(nèi)存事務(wù)大小與占用率之間的關(guān)系,得到了最優(yōu)的線程塊配置。與CUFFT 6.5相比,512×512雙精度浮點(diǎn)復(fù)數(shù)二維FFT的效率提升了1.27倍。第三,對(duì)代價(jià)函數(shù)和梯度函數(shù)計(jì)算過程中最耗時(shí)的光學(xué)傳遞函數(shù)的計(jì)算進(jìn)行分析,并提出了一種從波前到光學(xué)傳遞函數(shù)的快速計(jì)算方法,并且在GPU平臺(tái)上予以實(shí)現(xiàn)。本文提出的方法有效地剔除了PSF和OTF計(jì)算過程中的冗余計(jì)算。針對(duì)像面為512×512像素的成像系統(tǒng),本文方法比采用CUFFT庫函數(shù)的方法效率提高了4.88倍。第四,在PD算法GPU實(shí)現(xiàn)過程中,對(duì)代價(jià)函數(shù)和梯度函數(shù)進(jìn)行冗余計(jì)算的分析。PD算法計(jì)算過程中涉及到傅里葉變換,采用了兩種方法,方法1采用庫函數(shù)CUFFT,方法2采用本文實(shí)現(xiàn)的FFT函數(shù)。與方法1相比,方法2不僅通過剔除冗余計(jì)算減少了計(jì)算量,還通過上下文Kernel的合并,減少了對(duì)Global Memory的訪問。實(shí)驗(yàn)結(jié)果表明對(duì)于像面為256×256像素、光瞳采樣因子為3的成像系統(tǒng),方法2比方法1計(jì)算效率提升了1.83倍。然后,在雙GPU平臺(tái)上對(duì)PD算法進(jìn)行了合理的任務(wù)劃分,方法2在雙GPU上效率比單GPU提升了17%。最后,針對(duì)點(diǎn)目標(biāo)搭建了閉環(huán)實(shí)驗(yàn)平臺(tái),研究了PD算法對(duì)靜態(tài)像差的探測(cè)能力。實(shí)驗(yàn)過程中,采用He-Ne激光器和空間濾波器模擬了點(diǎn)目標(biāo),液晶空間光調(diào)制器(LC-SLM)除了被用于產(chǎn)生附加離焦像差還要作為波前校正器。實(shí)驗(yàn)結(jié)果表明,PD算法可以有效地對(duì)波前像差進(jìn)行校正。
【關(guān)鍵詞】：自適應(yīng)光學(xué) 相位差算法 波前探測(cè) 圖像復(fù)原 并行計(jì)算 傅里葉變換 光學(xué)傳遞函數(shù)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-28
• 1.1 研究工作的背景與意義12-14
• 1.2 波前探測(cè)與事后圖像復(fù)原概述14-21
• 1.2.1 波前探測(cè)器技術(shù)14-18
• 1.2.2 事后圖像復(fù)原18-21
• 1.3 相位差算法發(fā)展現(xiàn)狀21-23
• 1.4 CPU-GPU異構(gòu)計(jì)算現(xiàn)狀23-25
• 1.4.1 GPU硬件架構(gòu)23-25
• 1.4.2 GPU軟件架構(gòu)發(fā)展歷史25
• 1.5 本文的主要內(nèi)容25-26
• 1.6 本論文的結(jié)構(gòu)安排26-28
• 第二章 相位差算法理論28-45
• 2.1 基礎(chǔ)理論28-32
• 2.1.1 成像系統(tǒng)基本原理28-29
• 2.1.2 像差理論29-30
• 2.1.3 光學(xué)傳遞函數(shù)30-32
• 2.2 相位差算法32-41
• 2.2.1 理論模型33-34
• 2.2.2 迭代算法34-35
• 2.2.3 非線性優(yōu)化復(fù)原算法35-41
• 2.3 算法計(jì)算瓶頸分析41-43
• 2.3.1 最耗時(shí)的任務(wù)42-43
• 2.3.2 最耗時(shí)的運(yùn)算43
• 2.4 本章小結(jié)43-45
• 第三章 傅里葉變換GPU實(shí)現(xiàn)45-57
• 3.1 CUDA概述45-47
• 3.1.1 軟件體系架構(gòu)45-46
• 3.1.2 存儲(chǔ)器模型46
• 3.1.3 編程模型46-47
• 3.2 基于GPU的快速傅里葉變換47-50
• 3.2.1 COOLEY-TUKEY算法框架48-49
• 3.2.2 實(shí)數(shù)FFT算法49
• 3.2.3 二維傅里葉變換49-50
• 3.2.4 GPU編程原則50
• 3.3 基于GPU平臺(tái)的FFT實(shí)現(xiàn)50-53
• 3.3.1 行方向一維FFT51-52
• 3.3.2 列方向一維FFT52-53
• 3.4 實(shí)驗(yàn)結(jié)果分析53-55
• 3.5 本章小結(jié)55-57
• 第四章 光學(xué)傳遞函數(shù)快速計(jì)算57-66
• 4.1 光瞳函數(shù)和OTF有效區(qū)的確定57-58
• 4.2 PSF中心能量區(qū)的確定58-62
• 4.3 GPU平臺(tái)OTF快速計(jì)算62-64
• 4.3.1 冗余計(jì)算的剔除62-64
• 4.3.2 KERNEL融合64
• 4.4 性能比較64-65
• 4.5 本章小結(jié)65-66
• 第五章 基于GPU的相位差算法實(shí)現(xiàn)66-84
• 5.1 PD算法在單GPU上的實(shí)現(xiàn)66-78
• 5.1.1 單GPU平臺(tái)任務(wù)劃分66-67
• 5.1.2 代價(jià)函數(shù)和梯度函數(shù)優(yōu)化策略67-75
• 5.1.3 代價(jià)函數(shù)與梯度函數(shù)實(shí)現(xiàn)75-76
• 5.1.4 實(shí)驗(yàn)結(jié)果76-78
• 5.2 相位差算法的雙GPU實(shí)現(xiàn)78-83
• 5.2.1 多GPU平臺(tái)任務(wù)劃分78-80
• 5.2.2 實(shí)驗(yàn)結(jié)果分析80-83
• 5.3 本章小結(jié)83-84
• 第六章 相位差波前探測(cè)實(shí)驗(yàn)84-100
• 6.1 實(shí)驗(yàn)系統(tǒng)描述84-86
• 6.2 LC-SLM的標(biāo)定與對(duì)準(zhǔn)86-90
• 6.2.1 LC-SLM的標(biāo)定86-89
• 6.2.2 LC-SLM的對(duì)準(zhǔn)89-90
• 6.3 PD系統(tǒng)實(shí)驗(yàn)驗(yàn)證90-98
• 6.3.1 系統(tǒng)靜態(tài)相差90-97
• 6.3.2 時(shí)間比較97-98
• 6.3.3 隨機(jī)靜態(tài)相差98
• 6.4 本章小結(jié)98-100
• 第七章 全文總結(jié)與展望100-102
• 7.1 全文總結(jié)100-101
• 7.2 后續(xù)工作展望101-102
• 致謝102-104
• 參考文獻(xiàn)104-111
• 攻讀博士學(xué)位期間取得的成果111-112

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張睿;翟瑩瑩;譚翔;代勇;呂振遼;韓俊青;;電力交易規(guī)則算法庫系統(tǒng)的設(shè)計(jì)與開發(fā)[J];控制工程;2013年S1期

2 王詠剛;;黑鐵時(shí)代的算法“悖論"[J];程序員;2006年04期

3 樊鑫;李興衛(wèi);;基于SCA的DBF算法可重構(gòu)設(shè)計(jì)及其仿真實(shí)現(xiàn)[J];軟件導(dǎo)刊;2009年11期

4 李玉梅;;按學(xué)習(xí)情境設(shè)計(jì)的數(shù)據(jù)結(jié)構(gòu)算法庫[J];電腦知識(shí)與技術(shù);2011年30期

5 杜中華;狄長(zhǎng)春;;一種基于人工神經(jīng)網(wǎng)絡(luò)和優(yōu)化算法庫的復(fù)雜虛擬樣機(jī)優(yōu)化通用方法[J];機(jī)械工程師;2009年10期

6 宋明;劉麗;;SBA中生命周期費(fèi)用預(yù)測(cè)算法庫的研究[J];系統(tǒng)仿真學(xué)報(bào);2009年S2期

7 王宏艷;;基于可擴(kuò)展算法庫的多Agent社會(huì)體系結(jié)構(gòu)[J];燕山大學(xué)學(xué)報(bào);2005年06期

8 李惠君;王志宇;張芳;張毅;;基于可擴(kuò)展算法庫的多Agent社會(huì)體系結(jié)構(gòu)[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年09期

9 張?zhí)拈?;Z-80微型機(jī)BASIC常用算法庫建庫技術(shù)[J];化工自動(dòng)化及儀表;1981年08期

10 趙賓賓;高慧敏;;進(jìn)化算法研究平臺(tái)的設(shè)計(jì)與開發(fā)[J];太原科技大學(xué)學(xué)報(bào);2011年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張全;相位差算法的并行化分析與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔣爽;面向云應(yīng)用的負(fù)載預(yù)測(cè)框架[D];上海交通大學(xué);2015年

2 陳淑珍;工業(yè)在線色譜工作站算法庫的開發(fā)[D];浙江大學(xué);2013年

3 廖晶貴;基于Hadoop的大數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法的研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

4 王兵;密度聚類算法的研究與應(yīng)用[D];西安電子科技大學(xué);2012年

5 程進(jìn)偉;濾波定位算法評(píng)估方法研究[D];上海交通大學(xué);2013年

6 郝曉麗;信息檢索系統(tǒng)的算法庫研究[D];天津大學(xué);2006年

7 余輝;基于Mahout的聚類算法的研究[D];上海師范大學(xué);2014年

8 鮑宇;免費(fèi)機(jī)場(chǎng)接送服務(wù)中基于時(shí)間優(yōu)先的聚類算法研究[D];東北大學(xué);2011年

9 謝俊凰;進(jìn)化算法研究平臺(tái)的設(shè)計(jì)與開發(fā)—數(shù)據(jù)處理[D];太原科技大學(xué);2011年

10 桑波;大整數(shù)乘法算法的研究與快速實(shí)現(xiàn)[D];華南理工大學(xué);2012年

，

本文編號(hào)：1102828