基于CUDA的幀間預測優(yōu)化及并行化.pdf

1、作為H.264/AVC編碼框架的主要模塊，幀間預測模塊通過多幀預測、亞像素運動估計、基于率失真優(yōu)化的模式?jīng)Q策等方式實現(xiàn)壓縮效率的提升，但也使得整個模塊耗時長，資源占用率高；另一方面，基于GPU的并行編程框架CUDA（Compute Unified Device Architecture）的不斷發(fā)展，使得GPU成為計算機上另一個可編程以及可執(zhí)行單元，與此同時GPU在科學計算領域的計算能力已遠遠超過CPU；因此，考慮如何基于CUDA平臺加速

2、幀間預測模塊達到整體編碼效率的提升已經(jīng)成為多媒體技術和高性能計算領域研究的熱點問題。
　　通過對多種分辨率、幀率以及視頻數(shù)據(jù)的統(tǒng)計數(shù)據(jù)發(fā)現(xiàn)，在幀間預測編碼過程中運動向量在局部域和全局域分布具有趨勢一致性的特征，并且不同模式編碼塊的運動向量具有強相關性；基于以上規(guī)律以及CUDA平臺的特征，對串行環(huán)境下的幀間預測模塊從整體框架和核心算法兩個角度進行優(yōu)化，主要有：（1）基于CUDA平臺將幀間預測模塊劃分為插值濾波模塊、運動估計模塊和多模

3、式運動向量合成模塊等若干子模塊；（2）針對傳統(tǒng)全搜索算法在搜索機制上的盲目性和快速搜索算法多條件分支難以在充分調(diào)用CUDA平臺計算資源的特點，提出并實現(xiàn)了面向運動趨勢的自適應迭代搜索算法；（3）為降低單線程計算負載、充分利用鄰域運動信息同時避免因數(shù)據(jù)依賴而導致并發(fā)度不高的問題，提出并實現(xiàn)了基于域劃分和雙抽樣的預搜索機制；（4）基于運動向量的層間相關性特點，提出并實現(xiàn)基于層間編碼塊的最優(yōu)運動向量合并機制。
　　實驗結(jié)果表明，相比全搜