关于GPU的函数卷积算法.pdfVIP

摘要 摘要 论文题目：基于GPU的函数卷积算法 研究生姓名：相彬森 导师姓名：罗立民教授 学校名称：东南大学 卷积算法为通用计算中的重要环节，在计算机视觉和图像处理中，实现高效 快速的卷积运算至关重要，卷积经常被用于模板匹配，边缘检测，图像滤波和图 像定位等多方面领域。本文主要针对二维函数的卷积算法在GPU上的实现与加 速进行相关研究。 论文首先介绍了GPU的发展现状，以及在通用计算领域的相关应用以及并 行计算的相关知识。然后介绍了NVIDIA公司开发的CUDA平台，即本文中实验 开发所用平台的相关背景知识。 在二维图像数据卷积滤波中，主要分为两种不同的基本方式：在空间域中滤 波和在频域中滤波，当待处理的图像比较大的时候，CFU的结构特点决定了其 的性能往往不能满足图像滤波的实时性要求，而GPU为SIMD架构，决定了它 非常适合处理大量数据的运算。在论文中，将详细介绍有关卷积运算的原理以及 在GPU下实现的方法。 本文将在CUDA平台下实现卷积运算，包括通过基于FFT的方法实现卷积， 利用卷积核可分离的特点实现卷积，并通过共享内存管理，合理分配线程的方法 加以优化，另外通过纹理存储器具有高速缓存的特点存储数据，来实现卷积与之 进行结果比较。通过这几项实验，可以得到结论：利用GPU实现的卷积运算可 得到与CPU计算相同的结果，而速度远高于同时代CPU所得达到的运算速度， 尤其是在大规律数据量的运算上更是如此，而纹理内存实现的卷积运算并非最为 理想的实现方法。 最后，针对实验中存在的问题与不足提出后续工作的方向。 关键词：卷积算法，GPU，通用计算，CUDA，FFT，纹理存储器 ABSTRACT AB STRACT Thesis’Title：ConvolutionBasedonGPU Algorithm School：Southeast University Convolutionisan of algorithmimportantpartgeneral—purposecomputing，in of thearea visionand andfastconvolutionis computer imageprocessing，efficient essential．Convolutionisoften usedfor templatematching，edgedetection，image and otherareas．In filteringimage this main positioning，andmany paper,the researchis aboutthefunctionoftwo—dimensionalconvolutionwith algorithm onthe GPUaccelerated． implementation introducesthe statusof Firstly，thepaper GPU，and development general computing