Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Шишков, Илья Иванович
05.13.06
Кандидатская
2012
Орел
160 с. : ил.
Стоимость:
499 руб.
Содержание
Введение
Глава 1. Анализ средств и методов обработки и формирования растровых изображений
1.1. Анализ применения растровых изображений в автоматизированных контролирующих системах
1.2. Анализ методов обработки растровых изображений
1.3. Анализ инструментальных средств обработки растровых изображений
1.4. Формулировка задачи исследования
Выводы к главе 1
Глава 2. Моделирование процесса обработки растровых изображений в автоматизированных контролирующих системах
2.1. Разработка модели процесса обработки растровых изображений
в автоматизированных контролирующих системах
2.2. Исследование процесса обработки растровых изображений в автоматизированных контролирующих системах
2.3. Исследование средств повышения эффективности обработки растровых изображений
2.4. Структурно-функциональное моделирование адаптивной системы обработки растровых изображений
Выводы к главе 2
Глава 3. Разработка и исследование алгоритмов обработки растровых изображений
3.1. Принципы создания параллельных алгоритмов обработки растровых изображений в адаптивной системе обработки растровых изображений
3.2. Алгоритм линейной фильтрации растровых изображений
3.3. Алгоритм восстановления томографического среза
Выводы к главе
Глава 4. Реализация и исследование прототипа адаптивной системы обработки растровых изображений
4.1. Проектирование прототипа адаптивной системы обработки растровых изображений
4.2. Особенности реализации прототипа адаптивной системы обработки растровых изображений
4.3. Применение параллельного алгоритма линейной фильтрации в системе рентгеновского контроля
4.4. Применение параллельного алгоритма восстановления томографического среза в программно-аппаратном комплексе компьютерной томографии
Выводы к главе
Заключение
Литература
Приложение А. Реализация подсистемы визуализации прототипа адаптивной системы обработки растровых изображений
Приложение Б. Реализация параллельного алгоритма линейной фильтрации
Введение
Автоматизированные системы визуального контроля технических объектов и управления технологическими процессами по его результатам широко распространены в различных областях промышленности. В частности, к ним относятся системы оптического контроля печатных плат и изделий микроэлектроники, а также неразрушающего контроля деталей и конструкций. Процессы визуального контроля в большинстве данных систем сводятся к анализу полутоновых растровых изображений структуры изделий, получаемых такими методами, как микрофотография, рентгенография, ультразвуковая эхолокация и т.д., на предмет выявления таких дефектов, как микротрещины, неоднородности структуры и другие [61].
Методы и алгоритмы решения задач визуального контроля в настоящее время разработаны достаточно хорошо как в теории, так и на практике. Программное обеспечение известных систем обработки изображений предусматривает выполнение основных функций: высокочастотной и низкочастотной фильтрации, изменения контраста, интенсивности, масштаба, цветокоррекции. Однако существующие программные системы дороги, не предусматривают расширения, несовместимы по аппаратной платформе с другими системами [42]. Кроме того, с каждым годом растёт объём обрабатываемых изображений и появляются всё новые классы прикладных задач, в значительной мере расширяющих границы области применения подобных алгоритмов. В результате возникает ситуация, в которой существующие системы обработки растровых изображений не включают всех необходимых процедур или обладают недостаточным быстродействием [15, 61]. Зачастую для их эксплуатации требуются дорогостоящие специализированные вычислительные мощности с очень высокой скоростью обработки.
Таким образом, необходимость повышения скорости обработки растровых изображений в автоматизированных контролирующих системах, а также высо-
Mobility Radeon HD предназначена для мобильных устройств, а класс видеокарт FirePro используется в специализированных рабочих станциях [94].
Далее приведён анализ карт NVidia GeForce и AMD Radeon HD. Несмотря на различия в производительности и особенностях устройства графических ускорителей конкурирующих компаний, их общая архитектура и процесс функционирования во многом похожи [29]. Следовательно, изучение общих принципов архитектуры и функционирования современных графических ускорителей является достаточным для анализа их возможностей по обработке графической информации.
Архитектура и процесс функционирования современных графических ускорителей
Микроархитектура графического ускорителя (ГУ) построена совсем по-другому, нежели у обычных центральных процессоров (ЦП), в ней изначально заложены определенные преимущества. Задачи графики предполагают независимую параллельную обработку данных, поэтому ГУ изначально многопоточен. Микроархитектура спроектирована так, чтобы эксплуатировать имеющееся в наличии большое количество нитей, требующих исполнения [7, 29, 80].
ГУ состоит из нескольких десятков процессорных ядер, которые в терминологии NVidia называются Streaming Multiprocessor, а в терминологии ATI SIMD Engine. Далее будем называть их минипроцессорами, так как они исполняют несколько сотен программных нитей и обладают большей частью функциональности обычного ЦП.
Каждый минипроцессор имеет локальную память, размер которой от 16 до 64 КБ. Она имеет сходное с кэшем первого уровня обычного ЦП время доступа и выполняет аналогичные функции наибыстрейшей доставки данных к функциональным модулям. В ГУ локальная память служит для быстрого обмена данными между исполняющимися нитями. Одна из обычных схем ГУ-програм-мы такова. Вначале в локальную память загружаются данные из глобальной
Название работы | Автор | Дата защиты |
---|---|---|
Автоматизация технологических процессов управления дробильно-сортировочным производством на основе методов уменьшения крупности материала до определяемой потреблением величины | Гимадетдинов, Максим Кирамович | 2015 |
Автоматизация программирования логических контроллеров на основе компьютерных моделей при разработках автоматизированных систем управления технологическими процессами в промышленности | Большаков, Олег Андреевич | 2014 |
Интеллектуальная система управления процессом механообработки с оперативным использованием нечеткой нейросетевой модели знаний | Гончарова, Светлана Геннадьевна | 2001 |