• 學位論文

以Homomorphic濾波及細節加強做多重曝光影像融合

高動態範圍影像技術主要是從多張不同曝光度的低動態範圍影像，合成一張擁有較多場景細節的高動態範圍影像。在本論文中，提出一種多重曝光影像使用homomorphic filtering與細節加強的融合方法。本論文所提出的方法包含六個步驟。首先，考慮非線性亮度的人類視覺系統，使用頻率域的homomorphic filtering來達到亮度強化，並使用色彩校正做非線性的色彩補償。使用“cross-image” median filter 來消除低動態影像中的過度曝光與曝光不足區域以獲得一張供權重圖計算使用的參考亮度影像。再使用guided filter 與weighted least squares (WLS) optimization分別擷取出區域與全域細節部分。接著，權重圖的計算上包含空間域與跨影像的兩種計算模式，並使用cross bilateral filter來增加權重圖的準確性。最後，使用multiresolution spline based scheme 來達到影像融合並生成一張高動態範圍的結果影像。根據實驗結果顯示，本論文所提之研究方法較優於四個現有的方法。

• 學位論文

以長序列定序技術拼接已初步組合之片段

在最近幾年第三代定序 (Third-Generation Sequencing) 技術的實驗平台已經已經被應用於改善基因體的重組，此技術可即時定序DNA單分子並產出比以往定序技術較長的的序列。但是不幸地這些長序列和先前的定序技術相較之下有較高的錯誤率,其主要的錯誤是小插入/刪除 (indel)。高錯誤率大大減少長序列在改善基因體重組 (Assembly)上的使用性。在本篇論文中，我們設計並撰寫一個以Pacific Biosciences之長序列定序技術拼接已初步組合之片段的軟體,將其命名為SACLR。SACLR用群集序列比對的方法來容忍定序平台的錯誤，並以此方法來決定已初步組合之片段 (pre-assembled contigs) 在長序列 (long read) 上的邊界位置。因此這些片段就能建立相互間的連接關係且合併起來以改善拼接序列長度。值得一提的是這些拼接序列 (scaffold) 中的組合缺口可以直接用長序列填充，且這些拼接序列可以利用長序列更進一步組出更完整的序列。在多組真實資料測試下, 實驗結果顯示SACLR可以產出更連續且正確的拼接序列。

• 學位論文

開放染色質與基因表現的等位基因特異性於編碼與非編碼核糖核酸之研究

近年來編碼RNA之轉錄已經被證明與相近之染色質結構之緊密程度有高度關聯性。然而因為人類的基因體為雙倍體，RNA轉錄與染色質結構應該分別根據父系與母系單體型來觀察。其實許多等位基因已經被證明具有等位基因特異性(Allele-Specific Expression)。同理，染色質結構也被證明在父系與母系單體型上亦有等位基因結構差異(Allele-Specific Chromatin)。由於定序過程會將父系與母系單體型序列混雜，造成後端分析時難以分離，進而很難精準測量到ASE或ASC現象。本篇論文提出了一種利用整合核糖核酸定序(RNA-Seq)和脫氧核糖核酸酶定序(DNase-Seq)技術，分析在編碼 (Coding RNA) 與非編碼核糖核酸 (Non-Coding RNA)其等位基因特異性與等位基因結構差異之調控關係。我們發展出一種無偏差之檢定方法來判讀等位基因是否有差異。由於大部分的編碼與非編碼核糖核酸和染色質區域含有兩個或兩個以上的雜合型單核苷酸多型性(SNP)，檢定結果需要被合併以提供任一編碼/非編碼基因和染色質區域之一評估結果。實驗結果顯示，許多編碼/非編碼基因的基因表現等位基因特異性，皆是由於具有等位基因結構差異所導致。我們亦發現全基因組序列之開放染色質結構數量，和編碼與非編碼核糖核酸之數量分布有高度相關。我們找到的等位基因特異性和等位基因結構差異，在三人家庭內遵守孟德爾法則。分析結果顯示具有等位基因特異性之編碼與非編碼RNA，通常由距離較遠之等位基因結構差異所導致。

• 學位論文

Personalized Itinerary Recommendation with Time Constraints over GPS data

在不熟悉的地方規劃一個符合個人化的旅遊路線，是需要花費很大的努力才能夠完成的旅行計劃。然而，在適地性社群網路服務 (LBSN services) 的快速發展之下，適地性社群網路服務能夠幫助我們從它來發覺出關於地理資訊的特徵以及旅遊行為的關係等重要資訊。本研究中，我們提出了一個架構為 Personalized Itinerary Recommendation with Time Constraints (pirT) over GPS data，利用了在適地性社群網路服務中取得的地理資訊的特徵以及旅遊行為的關係，來幫助我們推薦一個符合個人旅遊行為的旅遊路線。因此，在 pirT 的架構中，我們還設計了 Similarity-based Collaborative Filtering with Geographical Features (SCF-GF) 的協同過濾推薦系統，在考量地理資訊的特徵之下幫旅行者找到具有相似旅遊行為的其它使用者，藉由這些使用者來推薦旅遊路線中可以參觀的景點；除此之外，在規劃推薦的旅遊路線上，我們提出一個有效率的演算法 (top-k personalized itinerary recommendation 和 re-ranking itinerary candidates algorithms)，由旅行者指定的起點、目的地和旅行時間後，推薦 k 個符合旅行時間且從起點到目的地的旅遊路線。在演算法作業的過程中，我們也一併考慮景點的拜訪時間、景點間的交通時間以及景點間的參觀順序。最後，在實驗中，我們取得 Gowalla 適地性社群網路服務的 GPS 數據，與 Personalized Trip Recommendation (PTR) 進行準確性與效能上的比較。

• 學位論文

支援LLVM編譯器架構之基於通用圖型處理器別名分析之研究

別名分析 (Alias analysis) 在編譯器上，是用來決定兩次記憶體存取是否參考到相同的記憶體位置的一個方法，大部分的別名分析過程都採用循序執行 (Sequential execution) 程式架構。然而別名分析本身是一個NP問題 (NP-hard problem)，在近年來軟體開發越來越龐大導致分析不易，在分析的過程中往往需要在有限制的記憶體內尋求時間與精度的平衡點。 在追求分析時間縮短的方式，不外乎硬體的演進、演算法的改良。隨著摩爾定律 (Moore's law) 硬體演進逐漸達到新的狀態，硬體開始改變成多核心 (multi-core)，開始改變許多的議題延伸至用多核心執行平行化運算方式來改進分析的速度。 而近年來開始將議題延伸至通用圖形處理器 (General-purpose computing on graphics processing units, GPGPU)，開始有利用GPU用來計算的程式語言，在本文中我們將在 LLVM (Low Level Virtual Machine) 編譯器上以 GPU 的計算程式語言 OpenCL(Open Computing Language )實作別名分析，進一步來提升計算效能。

• 學位論文

Kinect三維資料的超高解析度重建

在一些應用環境下，我們只能取得低解析度的Kinect三維資料。為了要獲得高解析度Kinect三維資料，我們需要進行Kinect三維資料的超高解析度重建，而超高解析度重建是一個ill-posed 問題。在本研究中，針對Kinect三維資料，我們將提出對應的超高解析度重建方法，其中Kinect三維資料包含一張高解析度彩色影像及一張低解析度深度影像。由於從Kinect拍攝的低解析度深度影像在物體邊界有遮蔽問題，利用輔助的高解析度彩色影像，本研究首先填補深度破洞，之後將深度影像放大以得到高解析度深度影像。放大後的高解析度深度影像可能在物體邊界會有不正常的現象導致深度影像不正確。本研究提出在物體邊界做區域性改善，利用高解析度彩色影像的分割圖來改正邊界以得到更準確地高解析度深度影像。根據實驗結果顯示，本研究所得到的高解析度深度影像比其他四個比較方法得到的高解析度深度影像更準確。

• 學位論文

以參考影像選取、細節加強、及鬼影去除作多重曝光影像融合

一般來說，相機等數位產品所拍攝到的影像均是屬於低動態範圍(low dynamic range, LDR)影像，影像可能包含過度曝光或曝光不足的地方。為了解決此問題，我們將利用多張不同曝光度的低動態範圍影像合成一張擁有較多場景細節的高動態範圍(high dynamic range, HDR)影像。現有的高動態範圍影像技術大致上分為兩種：(1) typical HDR imaging：利用相機響應函數計算出一張高動態範圍影像，再利用色調映射將高動態範圍影像轉換為可在顯示器呈現的影像。(2) multiexposure image fusion：利用影像融合技術，給予多張不同曝光度的低動態範圍影像適合的權重再合成一張擁有較多場景細節的高動態範圍影像，故此方法在計算上是較有效率的。但是在拍攝的過程中，通常會有物體移動的狀況發生，故本研究目的即是利用multiexposure image fusion的技術並消除影像合成時，動態物體產生移動所造成的鬼影現象，合成一張擁有較多場景細節的高動態範圍影像。

• 學位論文

動態有效搜尋之潛在天際線查詢

天際線查詢是一個應用於決策系統上支援搜尋多維度資料庫的重 要查詢，我們提出一個支援多維度動態物件的潛在天際線查詢。不 同於其他的天際線查詢論文，本論文主要聚焦在提升動態潛在天際 線查詢。我們提出一個「動態有效搜尋之潛在天際線」( DyE-Spot: A Dynamic Efficient Search for Potential Skylines,簡稱DyE-Spot )之演算方 法，同時設計一個在動態物件上的潛在天際線的技巧，主要的方法是 使用預先計算的第二序列天際線作為提升為潛在天際線的候選集合。 同時，依照提升成本排序前K個潛在天際線時，搭配著第二序列天際 線的效率以及遞增式提升技巧上面更為有利。由於使用第二序列天際 線當作潛在天際線的候選集合，我們的方法可以有效率地找出依據提 升成本依序排序的潛在天際線的點。最後，我們設計一個成本模型， 這個模型計算最小提升成本的同時可被視為剪枝方法( Pruning method )，以避免搜尋全部的資料庫。我們將此方法和目前已知的方法加以比 較，實驗結果顯示本論文的方法表現更好，同時透過大量的動態實驗 數據也可以看出我們的方法更有效率也更具有擴展性。 關鍵字: 多維度資料庫、時空資料庫、天際線查詢、動態天際線 查詢

• 學位論文

異質網路下點對點視訊串流之研究

• 學位論文

適用高能效微處理器之按需時序臆測設計分析

先進製程在製程（process）、電壓（voltage）、溫度（temperature）以及資料（data patterns）上變異的狀況相當嚴重，在一般考慮最差狀況的設計下在效能將受到很大的影響，可變延遲路徑技術可以避免最差狀況的設計，可以針對一般狀況設計，進而提升效能，而Razor是一個使用電路層級時序臆測的可變延遲路徑技術，是一個有前景的技術，與一般的靜態的方法相比，它可以動態地容忍PVT的變異，但額外的時脈延遲、維持時間（hold time）的限制以及臆測機制多餘的開銷是Razor的問題所在，在本論文中，我們分析我們所提出的按需時序臆測（ODTS；on-demand timing speculation）以及Razor在能效上的差異，為了驗證我們的方法，也實作了加上ODTS方法的微處理器至FPGA。