基于邊緣圖像插值的GPU并行實(shí)現(xiàn).pdf

1、圖像插值是圖像處理中很重要的方法，在圖像放大、圖像去隔行和圖像去噪等方面都有著廣泛的應(yīng)用。目前存在著很多的插值方法，但是傳統(tǒng)的圖像插值方法具有低通濾波器的特性，會(huì)造成圖像中重要高頻細(xì)節(jié)信息的丟失，所以近年來(lái)提出的基于邊緣的圖像插值方法更具有實(shí)際意義，比如Xin Li等提出的基于邊緣的圖像插值方法是根據(jù)低分辨率圖像的協(xié)方差來(lái)估計(jì)高分辨率圖像的協(xié)方差。得到的高分辨率圖像具有良好的視覺(jué)效果，但是該算法具有較高的復(fù)雜度，所以對(duì)此類圖像插值方法進(jìn)

2、行優(yōu)化，使其在保證插值圖像質(zhì)量的情況下減小復(fù)雜度，提高運(yùn)行效率有著重要的實(shí)際意義。本文提出了使用CUDA(Compute Unified Device Architecture)將基于邊緣的圖像插值方法移植到GPU(Graphic Processing Unit)上。通過(guò)GPU的并行計(jì)算，使得在保證插值后圖像質(zhì)量的情況下，大大提高算法的執(zhí)行效率。本研究主要內(nèi)容如下：
　　 ⑴針對(duì)基于邊緣的圖像插值算法插值效果好但是計(jì)算復(fù)雜度高等

3、問(wèn)題，本文利用CUDA對(duì)該圖像插值算法進(jìn)行GPU并行計(jì)算。即根據(jù)像素的獨(dú)立性，利用多個(gè)線程分別獨(dú)立地計(jì)算多個(gè)缺失的高分辨率圖像的像素值。實(shí)驗(yàn)結(jié)果表明，我們成功地實(shí)現(xiàn)了基于邊緣圖像插值的GPU并行計(jì)算。同時(shí)使用共享存儲(chǔ)器對(duì)并行方案進(jìn)行了初步的優(yōu)化，得到了12.2x的加速比。
　　 ⑵雖然實(shí)現(xiàn)了基于邊緣圖像插值算法的GPU并行計(jì)算，但是其加速比遠(yuǎn)遠(yuǎn)低于我們的期望。所以本文針對(duì)SM上的計(jì)算資源和I/O傳輸時(shí)間等方面對(duì)并行方案進(jìn)行了全面

4、的優(yōu)化。首先利用SM的計(jì)算資源寄存器對(duì)并行方案進(jìn)行了優(yōu)化，即用寄存器替代了共享存儲(chǔ)器來(lái)對(duì)數(shù)據(jù)進(jìn)行存?。黄浯卫卯惒絺鬏攲?duì)I/O數(shù)據(jù)傳輸時(shí)間進(jìn)行了有效地隱藏，最終我們得到了61.7x的加速比。
　　 ⑶基于上下文預(yù)測(cè)的場(chǎng)內(nèi)去隔行算法實(shí)質(zhì)上也是一種圖像插值。同樣是使用已知的低分辨率圖像的像素點(diǎn)來(lái)估計(jì)高分辨率圖像中缺失的像素點(diǎn)。實(shí)驗(yàn)通過(guò)CUDA并行計(jì)算對(duì)該去隔行算法進(jìn)行了優(yōu)化，在保證去隔行后圖像幀質(zhì)量不變的情況下，取得了51.5x的加