1.

傅義翔-以GPU實現最鄰近特徵向量空間演算法應用於高光譜影像分類(2012)

<<

2.

孫嘉駿-基於GPU平行DPCM視訊壓縮編碼法(2012)

<<

3.

楊昌曜-以智慧型手機協助視障者辨識物品(2012)

<<

4.

王旭-基於GPU之粒子群優法應用於高光譜影像波段選取(2012)

<<

5.

林文達-以GPU模擬台灣沿海海嘯傳播(2012)

<<

 

 

傅義翔-以GPU實現最鄰近特徵向量空間演算法應用於高光譜影像分類(2012)

摘要:
近年來遙測技術進步,地表資訊被高光譜儀器大量的擷取,並透過分析光譜數值特徵獲取地表物質辨識結果;物質分析的方法以圖形識別(Pattern Recognition, PR)分類演算法進行,常見的分類演算法為最鄰近分類(k-Nearest Neighbor, k-NN)演算法,主要是以測試樣本為中心,計算最鄰近的訓練樣本數量,對測試樣本進行特徵分類。然而k-NN演算法在不同類別的訓練樣本交疊情況下容易分類錯誤,所以本論文使用最鄰近特徵向量空間(Nearest Feature Space, NFS)演算法來保留測試樣本類別群聚關係,計算測試樣本至訓練樣本特徵空間的最短距離,以提升辨識效果。

    由於高光譜資料量龐大,配合NFS演算法,以一般電腦運算相當耗時,因此,本論文以實現 NFS演算法平行化為主軸,透過統一計算架構(Compute Unified Device Architecture, CUDA)實現訓練樣本為基底的平行化,將不同的訓練樣本特徵空間的運算指定到各個計算核心,並分散測試樣本至對應核心同步執行,配合記憶體資料調配來減少主機與GPU資料傳輸延遲,提升NFS演算法的運算速度。

Top

 

孫嘉駿-基於GPU平行DPCM視訊壓縮編碼法(2012)

摘要:
隨著網路的快速發展,許多有線系統也漸漸發展出無線的系統,如無線汽車後視系統,無線監視系統,視訊電話等,對於尚未安裝設備的人而言,採用無線系統會更方便於安裝。

在無線視頻系統上必須考量,(1)每秒顯示幀數(frames per second,FPS)(2)影像品質;若使用複雜性較高的壓縮編碼技術,會讓系統的運算時間增加,以至於無法達到即時反應,因此考量重點會在兩者之間的平衡。

隨著硬體架構與繪圖處理器(Graphics Processing Unit,GPU)的快速發展,基於GPU高速運算技術出現,讓視頻能同時滿足高畫面更新率與影像品質,提供了一條可行的途徑。

本論文利用GPU技術完成誤差脈衝編碼調變(Differential Pulse Code Modulation,DPCM)與影像處理的平行化,將編解碼與影像縮放的步驟移植到GPU上執行,以實現GPU平行計算。

經研究證明和分析,利用GPU架構最佳化的DPCM影像視訊壓縮編碼器,在執行時間上具有更快的速度,比起只有使用CPU做運算皆有顯著的效能提升,並且可以提高每秒顯示幀數,視頻也可以維持在一定的品質。

Top

 

楊昌曜-以智慧型手機協助視障者辨識物品(2012)

摘要:
科技日新月異,近年來手機已成為日常生活常見的行動裝置,且隨著網路高速發展,手機上搭載的功能也越發多樣化,舉凡使用者的身分認證、電子錢包、網路訂票,均可仰賴薄薄的智慧型手機。

本論文以智慧型手機為基礎,結合MINDSTORMS NXT實作盲用條碼辨識及語音回饋系統,簡稱I-Speak,用來以協助視障者在日常生活中有較大的自主能力,減輕協助者的負擔。

為了適用於盲人,所實作的系統建立在Android之手機行動平台,包括線性移動/旋轉機構及遠端存取機制。線性移動及旋轉機構可自動調整手機鏡頭位置以讀取物品上的各式條碼。遠端存取機制則是根據條碼資訊再經由網際網路連線遠端資料庫進行查詢,取回和條碼對應的語音資訊後,由智慧手機喇叭直接以中文語音播送。同時這些語音資訊並不只限於物品名稱,它還可以包括物品成份、及使用期限以及物品相關細節。

本系統不僅能於應用在一般條碼產品的資訊,更可延伸至書籍、藥物使用等使用層面。

Top

 

王旭-基於GPU之粒子群優法應用於高光譜影像波段選取(2012)

摘要:
隨著衛星遙測技術近年來廣泛的發展,高光譜影像的波段數與資料量也越趨龐大,使計算複雜度大幅提高,波段中也可能包含雜訊或是錯誤的資訊導致分類正確率降低。因此,在高光譜影像處理中,進行波段選取降低資料複雜度並萃取具代表性的波段,是不可或缺的一個步驟。

過去已有學者以粒子群優法(Particle Swarm Optimization, PSO)進行高光譜影像的波段選取。利用PSO演算法將高光譜影像的相關係數矩陣(Correlation Coefficient Matrix)聚合成一組群聚模組特徵空間,挑選出具代表性的波段,達到降維(Reduction Dimension, RD)的效果。然而處理波段數較多的高光譜影像時,依然需耗費大量時間。因此本論文應用CUDA(Compute Unified Device Architecture)技術實現平行架構的粒子群優法,利用圖形處理器(Graphics Processing Units, GPU)進行加速,更進一步提升高光譜影像波段選取的整體運算速度。

本文採用鰲鼓溼地的 MASTER 遙測影像以及 Northwest Tippecanoe County 的AVIRIS 遙測影像為實驗圖資。最後由實驗結果可以得知,本文所提出的平行粒子群優法波段選取能夠迅速、有效地挑選出有價值的波段,並透過分類器得到良好的分類效果。

Top

 

林文達-以GPU模擬台灣沿海海嘯傳播(2012)

摘要:2011年3月11日,日本驚傳規模9.0大地震,爾後引發強烈海嘯,其造成之傷亡數以萬計,為防患於未然,完整預測海嘯傳播過程,即時提供民眾一個參考依據,成為當下重要議題。本論文將針對台灣沿岸進行海嘯模擬,並以即時呈現為主要目的。

海嘯模擬往往是遵照淺水方程式進行,其主要精神在於物理上的質能守恆,並加入海床及海岸的摩擦力係數影響,使整個系統能夠推估陸地被淹沒的範圍。主要演算法首先採用MacCormack方法,此方法包含預測及校正兩步驟,爾後針對無法計算的邊界採用Neumann的方法進行處理,最後就整體結果採用Hansen方法使結果更為平滑。

由於全台灣海床資料龐大,再加上本方法需要繁複的計算,一般個人電腦難以提供即時的運算,因而失去即時觀測的能力,本論文以平行計算解決以上問題,利用NVIDIA CUDA 技術,將整體效能大幅度提升。相較於一般CPU運算,在NVIDIA Fermi架構下,最高可達到兩百倍以上的加速。

Top