基于cuda的小波mallat算法及提升方案的设计与研究-计算机系统结构专业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 图像压缩技术作为实现数据压缩的有效手段一直是热门研究方向，离散小波变 换 DWT(Discrete Wavelet Transform)凭借其自身良好的局部特性和时频特性成为图像 压缩技术的核心变换算法，具有重要的理论研究价值和实际应用意义。以保证图像 质量、提高变换速度为主要研究目的，针对小波变换 Mallat 算法计算复杂度较高、 占用内存空间大、访存次数多的特点，提出快速提升方案(Lifting scheme)，并分析 Mallat 算法及提升方案的并行性，依据计算统一设备架构 CUDA(Compute Unified Device Architecture)，多线程高并行性的特点，实现了算法在 CUDA 平台上的并行加 速。 9/7 小波变换 Mallat 算法是滤波器系数和图像数据均为浮点型的卷积运算，根据 Mallat 算法的特点以及提升方案的一般步骤，实现了 9/7 小波变换的提升方案，为了 最大程度的保证图像信号的完整性，提升方案增加了一次预测和一次更新步骤。实 验结果表明，采用提升方案的小波变换能够完美的恢复原图像，并且相对 Mallat 算 法具有 3~4 倍的加速，提升方案取得了不错的效果。 Mallat 算法基于卷积运算，计算复杂较高，但适于并行实现，相邻两项的计算不 存在相互依赖关系，可以发挥 CUDA 多核计算的优势。提出一种高并行度的实现方 法，充分利用 CUDA 多线程并行实现 Mallat 卷积运算。实验结果表明，并行实现的 Mallat 算法取得了十几甚至几十倍的加速，且加速比会伴随图像分辨率的增大而不断 提高。 Mallat 算法提升方案是原位计算，节约了内存开销，但变换过程中的相邻项之间 存在依赖关系，并不适于 CUDA 并行实现。研究过程中发现，提升方案的依赖关系 只存在于预测和更新步骤之间，预测或更新内部的并不存在相互依赖，据此提出一 种并行提升方案，将预测步骤的并行和更新步骤的并行分离实现。实验结果表明， 提升方案取得了令人满意的加速比，避免了相互依赖带来的并行困难。自适应方向 提升小波 ADL(Adaptive Directional Lifting)算法也是一种提升方案，有提升方向选择 和分像素数据插值操作可以并行实现，但并行度不高，实验效果并不理想。 关键词：小波变换，马拉特算法，提升，自适应方向提升小波，计算统一设备架构 II II Abstract Image compression, an effective way of data compression, is becoming a hot research direction. The core algorithm of image compression is Discrete Wavelet Transform because of excellent spatial-frequency and time-frequency characteristics. But Wavelet Transform Mallat Algorithm has high computational complexity and memory occupation. Therefore, researching on parallel implementation of Discrete Wavelet Transform has great theoretical value and practical significance. In this work, based on the goal of improving algorithm speed but few image losses, a kind of Lifting Scheme is proposed. In addition, analyze the parallelism of wavelet transform and Lifting Scheme. Meanwhile, parallel acceleration of algorithm was achieved under the CUDA platform. Mallat algorithm of 9/7 wavelet transform is based on convolution, filter coefficients and image data are floating-point. According to Mallat algorithms characteristic and wavelet lifting’s