基于GPU的圖像壓縮感知算法并行化研究.pdf

1、壓縮感知是近幾年出現(xiàn)的一種新型信號(hào)處理方法，以遠(yuǎn)低于Nyquist頻率對(duì)信號(hào)同時(shí)進(jìn)行壓縮與采樣，然后通過求解一個(gè)最優(yōu)化問題就能從少量的觀測(cè)值中以較高的概率重構(gòu)出原始信號(hào)。它已廣泛應(yīng)用在圖像處理領(lǐng)域中的各個(gè)方面，如圖像融合、去噪、壓縮、成像等。目前，這種方法也被引入到遙感圖像處理領(lǐng)域中，然而，由于遙感圖像具有高分辨率、多時(shí)相、數(shù)據(jù)量大等特點(diǎn)，重構(gòu)信號(hào)時(shí)間急劇增加，使得壓縮感知理論在遙感圖像處理實(shí)際應(yīng)用中存在一定待解決的問題。若僅使用傳統(tǒng)C

2、PU進(jìn)行串行處理，運(yùn)行時(shí)間過長(zhǎng)，無法滿足人們對(duì)算法的實(shí)時(shí)/準(zhǔn)實(shí)時(shí)處理要求。
　　最近幾年，GPU計(jì)算能力得到很大的提升，具有強(qiáng)大的浮點(diǎn)運(yùn)算能力，已成為提高算法處理速度最有效的方式之一。CUDA和OpenCL是GPU應(yīng)用最廣泛的兩種編程模型。目前，已有相關(guān)人員采用CUDA編程模型對(duì)壓縮感知算法進(jìn)行并行化研究，但其實(shí)現(xiàn)的并行算法只能應(yīng)用于特定的NVIDIA平臺(tái)，無法實(shí)現(xiàn)并行算法跨平臺(tái)處理。如采用CUDA實(shí)現(xiàn)的并行算法無法在AMD GP

3、U上運(yùn)行。而后起的OpenCL，作為面向異構(gòu)系統(tǒng)的開放工業(yè)標(biāo)準(zhǔn)，克服了現(xiàn)有的移植性問題，為廣泛的科學(xué)應(yīng)用提供了一個(gè)理想的異構(gòu)編程模型。
　　因此，本論文利用GPU的并行特性，采用OpenCL編程模型探索了壓縮感知算法在GPU平臺(tái)上并行實(shí)現(xiàn)。主要工作與研究?jī)?nèi)容包含如下：
　?。?）理解壓縮感知算法的原理，對(duì)串行程序進(jìn)行熱點(diǎn)分析，找出算法的性能瓶頸，同時(shí)分析算法耗時(shí)步驟的可并行性。根據(jù)GPU的硬件特性，采用OpenCL編程模型對(duì)

4、壓縮感知算法進(jìn)行并行化設(shè)計(jì)與實(shí)現(xiàn)；
　?。?）在初步實(shí)現(xiàn)的壓縮感知并行算法基礎(chǔ)上，結(jié)合一些常用的優(yōu)化方法，如指令流優(yōu)化、訪存效率等優(yōu)化方法，對(duì)并行算法做相應(yīng)優(yōu)化，進(jìn)一步加快算法的處理速度；
　?。?）目前的并行硬件平臺(tái)在單個(gè)計(jì)算節(jié)點(diǎn)或單臺(tái)服務(wù)器設(shè)備往往部署多個(gè)GPU卡，為充分利用節(jié)點(diǎn)上的計(jì)算資源，需設(shè)計(jì)合適的任務(wù)調(diào)度策略，實(shí)現(xiàn)壓縮感知算法在多GPU卡上的并行研究。
　　最后，對(duì)上述工作進(jìn)行實(shí)驗(yàn)驗(yàn)證，得到相應(yīng)的性能效果圖

5、。采用不同尺寸的遙感圖像對(duì)三階段的并行算法進(jìn)行實(shí)驗(yàn)測(cè)試，獲取相應(yīng)的加速比等評(píng)價(jià)指標(biāo)，并對(duì)結(jié)果進(jìn)行分析得到相應(yīng)的結(jié)論。實(shí)驗(yàn)結(jié)果表明：在NVIDIA平臺(tái)上所設(shè)計(jì)的并行算法有效地提高了壓縮感知算法的處理速度，并在此基礎(chǔ)上優(yōu)化的并行算法使加速比得到更進(jìn)一步地提升；將此并行算法不經(jīng)任何修改在AMD平臺(tái)上進(jìn)行測(cè)試，表明其實(shí)現(xiàn)的并行算法不僅具有較好的加速效果，而且還具有跨平臺(tái)可移植性；同時(shí)，將并行算法與基于OpenMP實(shí)現(xiàn)的并行算法在AMD上的CPU