基于CUDA的小波Mallat算法及提升方案的設(shè)計(jì)與研究.pdf

1、圖像壓縮技術(shù)作為實(shí)現(xiàn)數(shù)據(jù)壓縮的有效手段一直是熱門研究方向，離散小波變換DWT(Discrete Wavelet Transform)憑借其自身良好的局部特性和時(shí)頻特性成為圖像壓縮技術(shù)的核心變換算法，具有重要的理論研究?jī)r(jià)值和實(shí)際應(yīng)用意義。以保證圖像質(zhì)量、提高變換速度為主要研究目的，針對(duì)小波變換Mallat算法計(jì)算復(fù)雜度較高、占用內(nèi)存空間大、訪存次數(shù)多的特點(diǎn)，提出快速提升方案(Lifting scheme)，并分析Mallat算法及提升方案

2、的并行性，依據(jù)計(jì)算統(tǒng)一設(shè)備架構(gòu)CUDA(Compute Unified Device Architecture)，多線程高并行性的特點(diǎn)，實(shí)現(xiàn)了算法在CUDA平臺(tái)上的并行加速。
　　 9/7小波變換Mallat算法是濾波器系數(shù)和圖像數(shù)據(jù)均為浮點(diǎn)型的卷積運(yùn)算，根據(jù)Mallat算法的特點(diǎn)以及提升方案的一般步驟，實(shí)現(xiàn)了9/7小波變換的提升方案，為了最大程度的保證圖像信號(hào)的完整性，提升方案增加了一次預(yù)測(cè)和一次更新步驟。實(shí)驗(yàn)結(jié)果表明，采用提

3、升方案的小波變換能夠完美的恢復(fù)原圖像，并且相對(duì)Mallat算法具有3-4倍的加速，提升方案取得了不錯(cuò)的效果。
　　 Mallat算法基于卷積運(yùn)算，計(jì)算復(fù)雜較高，但適于并行實(shí)現(xiàn)，相鄰兩項(xiàng)的計(jì)算不存在相互依賴關(guān)系，可以發(fā)揮CUDA多核計(jì)算的優(yōu)勢(shì)。提出一種高并行度的實(shí)現(xiàn)方法，充分利用CUDA多線程并行實(shí)現(xiàn)Mallat卷積運(yùn)算。實(shí)驗(yàn)結(jié)果表明，并行實(shí)現(xiàn)的Mallat算法取得了十幾甚至幾十倍的加速，且加速比會(huì)伴隨圖像分辨率的增大而不斷提高。

4、
　　 Mallat算法提升方案是原位計(jì)算，節(jié)約了內(nèi)存開銷，但變換過程中的相鄰項(xiàng)之間存在依賴關(guān)系，并不適于CUDA并行實(shí)現(xiàn)。研究過程中發(fā)現(xiàn)，提升方案的依賴關(guān)系只存在于預(yù)測(cè)和更新步驟之間，預(yù)測(cè)或更新內(nèi)部的并不存在相互依賴，據(jù)此提出一種并行提升方案，將預(yù)測(cè)步驟的并行和更新步驟的并行分離實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，提升方案取得了令人滿意的加速比，避免了相互依賴帶來的并行困難。自適應(yīng)方向提升小波ADL(Adaptive Directional