圖像稀疏去噪算法的并行改進(jìn)研究.pdf

1、數(shù)字圖像在獲取、存儲、傳輸?shù)冗^程中常常會受到特定噪聲的污染，造成圖像質(zhì)量下降，因此，圖像去噪是圖像處理中的一個重要問題。其目的是盡可能地消除圖像噪聲，提高圖像質(zhì)量，為進(jìn)一步的圖像識別和理解做準(zhǔn)備。近年來，稀疏表示理論受到人們的廣泛關(guān)注，并成功應(yīng)用于圖像去噪。
　　CUDA全稱Compute Unified Device Architecture，是英偉達(dá)TM（NVIDIA）公司提出的并行計算架構(gòu)。該架構(gòu)通過利用GPU的處理能力，可

2、大幅提升計算性能。
　　傳統(tǒng)的稀疏分解去噪算法僅僅考慮算法的去噪效果，而忽略了算法效率，使得算法的計算效率往往較低。而CUDA架構(gòu)可以使得CPU與GPU協(xié)同工作，并行完成算法的計算過程，提升算法效率。基于此，本文提出了改進(jìn)的稀疏去噪算法，該算法利用CUDA并行機(jī)制對傳統(tǒng)的稀疏分解去噪算法進(jìn)行并行改進(jìn)，提高了算法的執(zhí)行效率。
　　本文分析了基于DCT字典、訓(xùn)練字典、自適應(yīng)字典的三個稀疏分解算法。在這三個稀疏分解算法求解稀疏系數(shù)

3、過程中，對其中比較消耗時間的部分進(jìn)行了并行計算的可行性分析，提出了對原算法的并行改進(jìn)方法。這里的并行改進(jìn)主要是對算法中相互獨立的部分利用CUDA架構(gòu)，實現(xiàn)各自相互獨立任務(wù)在不同的GPU上同時執(zhí)行，以達(dá)到并行計算的目的。并將改進(jìn)的算法進(jìn)行封裝，實現(xiàn)了一個應(yīng)用軟件。論文主要工作包括：
　?。?）介紹了稀疏去噪算法的原理與實現(xiàn)方法，著重分析了基于DCT字典、訓(xùn)練字典和自適應(yīng)字典算法中的去噪過程，指出去噪過程中存在的可以進(jìn)行并行改進(jìn)之處；