圖像稀疏去噪算法的并行改進研究.pdf

1、數(shù)字圖像在獲取、存儲、傳輸?shù)冗^程中常常會受到特定噪聲的污染，造成圖像質(zhì)量下降，因此，圖像去噪是圖像處理中的一個重要問題。其目的是盡可能地消除圖像噪聲，提高圖像質(zhì)量，為進一步的圖像識別和理解做準備。近年來，稀疏表示理論受到人們的廣泛關注，并成功應用于圖像去噪。
　　CUDA全稱Compute Unified Device Architecture，是英偉達TM（NVIDIA）公司提出的并行計算架構。該架構通過利用GPU的處理能力，可

2、大幅提升計算性能。
　　傳統(tǒng)的稀疏分解去噪算法僅僅考慮算法的去噪效果，而忽略了算法效率，使得算法的計算效率往往較低。而CUDA架構可以使得CPU與GPU協(xié)同工作，并行完成算法的計算過程，提升算法效率?；诖耍疚奶岢隽烁倪M的稀疏去噪算法，該算法利用CUDA并行機制對傳統(tǒng)的稀疏分解去噪算法進行并行改進，提高了算法的執(zhí)行效率。
　　本文分析了基于DCT字典、訓練字典、自適應字典的三個稀疏分解算法。在這三個稀疏分解算法求解稀疏系數(shù)

3、過程中，對其中比較消耗時間的部分進行了并行計算的可行性分析，提出了對原算法的并行改進方法。這里的并行改進主要是對算法中相互獨立的部分利用CUDA架構，實現(xiàn)各自相互獨立任務在不同的GPU上同時執(zhí)行，以達到并行計算的目的。并將改進的算法進行封裝，實現(xiàn)了一個應用軟件。論文主要工作包括：
　　（1）介紹了稀疏去噪算法的原理與實現(xiàn)方法，著重分析了基于DCT字典、訓練字典和自適應字典算法中的去噪過程，指出去噪過程中存在的可以進行并行改進之處；