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)的一種新型信號處理方法，以遠低于Nyquist頻率對信號同時進行壓縮與采樣，然后通過求解一個最優(yōu)化問題就能從少量的觀測值中以較高的概率重構(gòu)出原始信號。它已廣泛應(yīng)用在圖像處理領(lǐng)域中的各個方面，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、多時相、數(shù)據(jù)量大等特點，重構(gòu)信號時間急劇增加，使得壓縮感知理論在遙感圖像處理實際應(yīng)用中存在一定待解決的問題。若僅使用傳統(tǒng)C

2、PU進行串行處理，運行時間過長，無法滿足人們對算法的實時/準實時處理要求。
　　最近幾年，GPU計算能力得到很大的提升，具有強大的浮點運算能力，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編程模型對壓縮感知算法進行并行化研究，但其實現(xiàn)的并行算法只能應(yīng)用于特定的NVIDIA平臺，無法實現(xiàn)并行算法跨平臺處理。如采用CUDA實現(xiàn)的并行算法無法在AMD GP

3、U上運行。而后起的OpenCL，作為面向異構(gòu)系統(tǒng)的開放工業(yè)標準，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平臺上并行實現(xiàn)。主要工作與研究內(nèi)容包含如下：
　?。?）理解壓縮感知算法的原理，對串行程序進行熱點分析，找出算法的性能瓶頸，同時分析算法耗時步驟的可并行性。根據(jù)GPU的硬件特性，采用OpenCL編程模型對

4、壓縮感知算法進行并行化設(shè)計與實現(xiàn)；
　?。?）在初步實現(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，對并行算法做相應(yīng)優(yōu)化，進一步加快算法的處理速度；
　?。?）目前的并行硬件平臺在單個計算節(jié)點或單臺服務(wù)器設(shè)備往往部署多個GPU卡，為充分利用節(jié)點上的計算資源，需設(shè)計合適的任務(wù)調(diào)度策略，實現(xiàn)壓縮感知算法在多GPU卡上的并行研究。
　　最后，對上述工作進行實驗驗證，得到相應(yīng)的性能效果圖

5、。采用不同尺寸的遙感圖像對三階段的并行算法進行實驗測試，獲取相應(yīng)的加速比等評價指標，并對結(jié)果進行分析得到相應(yīng)的結(jié)論。實驗結(jié)果表明：在NVIDIA平臺上所設(shè)計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一步地提升；將此并行算法不經(jīng)任何修改在AMD平臺上進行測試，表明其實現(xiàn)的并行算法不僅具有較好的加速效果，而且還具有跨平臺可移植性；同時，將并行算法與基于OpenMP實現(xiàn)的并行算法在AMD上的CPU