在光电监视系统中, 广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大, 难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理, 特别适合于GPU并行加速的特点, 对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明, 对于480×320像素分辨率的中波红外视频序列, 该并行优化方法可以达到132 fps的处理速度, 满足了实时处理的要求。

在保证分类结果清晰、准确的前提下，为了提高分类执行效率，本文基于图形处理器（graphicprocessing unit, GPU）及并行优化，提出一种基于归一化光谱向量的高光谱图像实时性非监督分类方法。利用高光谱图像的空间一致性有效提高分类精度，同时，利用归一化光谱向量简化了像元间相似性的计算公式，统一了图像内像元处理方式，并利用GPU 并行技术有效提高计算速度。首先，利用GPU 并行处理方法计算空间相邻像元间光谱向量相似性，根据高斯拟合取得安全阈值；然后利用光谱角作为像元光谱相似测度，将相似像元划为同质区；最后以同质区内各像元平均光谱向量表述同质区光谱特征，根据安全阈值合并相似的同质区完成分类。用AVIRIS 数据评估了该方法性能。本文的理论分析和实验结果显示，与现有非监督分类方法相比，该方法分类精度更高，同时，算法本身运行速度更快。

跳频序列预测是信息对抗的关键问题之一。基于跳频序列具有的伪随机特性和数据之间连续分布的相似性，采用非参数密度估计方法计算并预测出频率的大概率分布区间，进而用于引导通信的梳状灵巧干扰。针对实际应用对实时性的要求，在多结点多核平台上实现了基于消息传递机制的可扩展计算。测试表明，并行程序计算结果正确，并且具有较好的可扩展性。