SPIHT圖像壓縮算法的GPU實現(xiàn).pdf

1、圖像壓縮是信息處理領(lǐng)域中很重要的研究方向,在圖像存儲和圖像傳輸?shù)确矫娑加兄鴱V泛的應(yīng)用。目前存在著很多圖像壓縮的方法,主要包含基于預(yù)測的壓縮方法和基于變換的壓縮方法。在基于變換的壓縮方法中,基于小波變換的SPIHT圖像壓縮算法是一種常用的圖像壓縮算法,該算法具有很好的漸進(jìn)傳輸特性,可獲得比較高的峰值信噪比,支持有損壓縮和和無損壓縮,同時具有計算復(fù)雜度較低、碼率容易控制等優(yōu)點。但是,傳統(tǒng)的SPIHT圖像壓縮算在編碼過程中使用了有序表,在遍歷

2、有序鏈表的過程中會占用算法的大量執(zhí)行時間,最終導(dǎo)致算法效率降低,這樣就很難滿足一些對處理速度要求較高的情況。
　　為了滿足一些高效圖像壓縮的場合,本文試圖利用GPU高性能計算架構(gòu)CUDA來實現(xiàn)SPIHT圖像壓縮算法。首先,學(xué)習(xí)了并行計算理論和CUDA架構(gòu)的基礎(chǔ),深入研究了SPIHT圖像壓縮算法,通過分析算法內(nèi)部數(shù)據(jù)依賴性,提出了一種適用于GPU實現(xiàn)的并行SPIHT圖像壓縮算法。在該并行算法中,包含了基于分塊思想的并行小波變換算法和

3、基于編碼樹的并行SPIHT編碼算法,實現(xiàn)了壓縮算法中的數(shù)據(jù)并行。同時也分析了SPIHT圖像壓縮編碼過程中任務(wù)之間的數(shù)據(jù)依賴關(guān)系,利用不同閾值編碼時任務(wù)之間相對獨立性來實現(xiàn)壓縮算法中的任務(wù)并行。其次,本文提出了將并行SPIHT圖像壓縮算法移植到GPU上的CUDA實現(xiàn)方法,編寫并行程序,通過GPU的數(shù)據(jù)并行計算功能以及使用流來實現(xiàn)任務(wù)并行計算功能。最后,本文針對GPU上豐富的存儲器資源和I/O傳輸?shù)确矫鎸Σ⑿蟹桨高M(jìn)行了優(yōu)化,使得SPIHT圖