基于GPU的函數(shù)卷積算法.pdf

1、卷積算法為通用計算中的重要環(huán)節(jié)，在計算機(jī)視覺和圖像處理中，實(shí)現(xiàn)高效快速的卷積運(yùn)算至關(guān)重要，卷積經(jīng)常被用于模板匹配，邊緣檢測，圖像濾波和圖像定位等多方面領(lǐng)域。本文主要針對二維函數(shù)的卷積算法在GPU上的實(shí)現(xiàn)與加速進(jìn)行相關(guān)研究。
　　 論文首先介紹了GPU的發(fā)展現(xiàn)狀，以及在通用計算領(lǐng)域的相關(guān)應(yīng)用以及并行計算的相關(guān)知識。然后介紹了NVIDIA公司開發(fā)的CUDA平臺，即本文中實(shí)驗(yàn)開發(fā)所用平臺的相關(guān)背景知識。
　　 在二維圖像數(shù)據(jù)卷

2、積濾波中，主要分為兩種不同的基本方式：在空間域中濾波和在頻域中濾波，當(dāng)待處理的圖像比較大的時候，CPU的結(jié)構(gòu)特點(diǎn)決定了其的性能往往不能滿足圖像濾波的實(shí)時性要求，而GPU為SIMD架構(gòu)，決定了它非常適合處理大量數(shù)據(jù)的運(yùn)算。在論文中，將詳細(xì)介紹有關(guān)卷積運(yùn)算的原理以及在GPU下實(shí)現(xiàn)的方法。
　　 本文將在CUDA平臺下實(shí)現(xiàn)卷積運(yùn)算，包括通過基于FFT的方法實(shí)現(xiàn)卷積，利用卷積核可分離的特點(diǎn)實(shí)現(xiàn)卷積，并通過共享內(nèi)存管理，合理分配線程的方法