针对多模式合成孔径雷达(SAR)成像处理中存在的计算效率不足问题，提出了一种基于GPU的多模式SAR统一成像并行加速方法。为充分利用GPU 的显存资源，提高算法的运算效率，利用共享内存对矩阵转置、矩阵相乘等部分进行大规模数据并行计算。实验结果表明，该算法大幅度提升了多模式SAR 成像的计算效率，最高加速比达到55.62，解决了GPU 显存空间利用率较低的问题。

分布式全息孔径数字成像技术是利用数字全息记录各子孔径的复振幅信息, 通过孔径间相位拼接实现综合成像的一种主动成像技术。在远距离成像中, 大气湍流引入的子孔径内高阶相位误差和子孔径间低阶相位误差, 以及孔径间的位置失配误差, 都会影响成像质量。随机并行梯度下降算法(SPGD)是一种无波前探测优化控制算法, 具有可以并行、快速收敛、高效可靠等优点, 可用于校正系统孔径内高阶和孔径间低价相位误差。但是SPGD算法需要多次迭代, 运算量巨大, 难以满足实时性要求。文章基于GPU平台, 对高、低阶相位误差校正进行了并行加速处理, 运算速度较CPU平台分别提升26.42倍和36.47倍。此外, 采用AKZAE算法校正各子孔径间的位置失配误差, 完成了各子孔径复振幅的拼接, 最终实现了分布式四孔径的综合成像。

在数字图像处理领域中,尺度不变特征变换(SIFT)算法是特征点识别的代表性算法。以开放运算语言(OpenCL)并行计算为加速手段,建立了基于改进的SIFT算法的双目测距系统,深入研究了如何加快SIFT算法的运算速度。在加快SIFT算法方面,选取了积分均值模糊,并利用OpenCL对其进行并行加速,对算法进行并行优化后,使之能够在NVIDIA GPU硬件平台上进行实现。在获取精确视差方面,对原SIFT匹配方法进行了改进,极大地提高了匹配效率。此外,构建了双目测距异构计算实验平台,并进行实验。实验平台对采集的图像进行了实时处理,验证了基于SIFT算法的并行加速计算的可行性,同时可以直观地看到中间计算过程和测距的结果。实验结果表明,本文方法与已有的加速优化工作相比,计算时间消耗比原方案要少得多。

针对工业大视场物镜畸变成像的实时校正问题, 提出一种校正算法和CPU+GPU并行加速方案.根据光学畸变理论和相机标定技术, 建立非球面畸变校正模型.利用棋盘样板计算光学中心和估计畸变系数, 设计校正算法.在CPU+GPU并行加速方案基础上, 设计内核自适应维度算法并优化运行程序, 结合OPENGL驱动进行实时校正和显示.实验结果表明, 本文设计的实时校正系统对高分辨率的畸变成像校正率可以达到98.2%, 单帧耗时0.026 s, 平均综合加速比为29.1.该系统精度高, 可移植性强, 简单易行, 能够广泛应用于成像畸变的实时校正.