基于CUDA的小波Mallat算法及提升方案的設(shè)計與研究.pdf

1、圖像壓縮技術(shù)作為實現(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價值和實際應用意義。以保證圖像質(zhì)量、提高變換速度為主要研究目的，針對小波變換Mallat算法計算復雜度較高、占用內(nèi)存空間大、訪存次數(shù)多的特點，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，實現(xiàn)了算法在CUDA平臺上的并行加速。
　　 9/7小波變換Mallat算法是濾波器系數(shù)和圖像數(shù)據(jù)均為浮點型的卷積運算，根據(jù)Mallat算法的特點以及提升方案的一般步驟，實現(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的完整性，提升方案增加了一次預測和一次更新步驟。實驗結(jié)果表明，采用提

3、升方案的小波變換能夠完美的恢復原圖像，并且相對Mallat算法具有3-4倍的加速，提升方案取得了不錯的效果。
　　 Mallat算法基于卷積運算，計算復雜較高，但適于并行實現(xiàn)，相鄰兩項的計算不存在相互依賴關(guān)系，可以發(fā)揮CUDA多核計算的優(yōu)勢。提出一種高并行度的實現(xiàn)方法，充分利用CUDA多線程并行實現(xiàn)Mallat卷積運算。實驗結(jié)果表明，并行實現(xiàn)的Mallat算法取得了十幾甚至幾十倍的加速，且加速比會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算，節(jié)約了內(nèi)存開銷，但變換過程中的相鄰項之間存在依賴關(guān)系，并不適于CUDA并行實現(xiàn)。研究過程中發(fā)現(xiàn)，提升方案的依賴關(guān)系只存在于預測和更新步驟之間，預測或更新內(nèi)部的并不存在相互依賴，據(jù)此提出一種并行提升方案，將預測步驟的并行和更新步驟的并行分離實現(xiàn)。實驗結(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。自適應方向提升小波ADL(Adaptive Directional