基于GPU加速的脈沖噪聲檢測算法研究.pdf

1、圖像質量評價是數字圖像處理領域的一門重要研究課題，數字圖像質量的高低直接影響圖像在后續(xù)的分析、解譯等應用中的價值。脈沖噪聲是一種常見的圖像質量失真類型，因此對受脈沖噪聲污染圖像的質量評價算法的研究在圖像質量評價領域也顯得尤為重要。另一方面，圖像傳感器技術的發(fā)展，使當今數字圖像在分辨率和數量上都數倍于以往，傳統(tǒng)串行的圖像處理算法已經不能滿足當前海量圖像處理實時性的需求，而GPU依托其強大的計算性能已經成為研究高性能數字圖像處理并行算法的首

2、選解決方案。
　　本文通過對圖像質量評價方法的研究現(xiàn)狀和發(fā)展趨勢進行分析，重點設計了一種基于GPU的脈沖噪聲圖像質量檢測算法，并且對算法在海量圖像評價系統(tǒng)中的應用進行了優(yōu)化，主要研究內容如下：
　?。?）通過分析脈沖噪聲的特點及其濾波算法，設計了一種以基于梯度的結構相似度為質量評價指標的無參考脈沖噪聲圖像質量檢測算法。算法對原始含脈沖噪聲的待檢測圖像進行濾波構造平滑圖像作為參考圖像，通過計算原始圖像與參考圖像在基于梯度的結構

3、相似度的差異作為對原始圖像的質量評價標準。實驗結果表明，相比于全參考的峰值信噪比評價標準，本文算法能夠對含脈沖噪聲圖像的質量進行較為準確的評價，更加具有實用性并且結果呈現(xiàn)更為直觀。
　?。?）通過對提出的脈沖噪聲圖像質量檢測串行算法進行并行可行性分析，將原始串行算法中計算復雜性較高的部分，依據其計算特點結合CUDA線程模型并合理利用CUDA的存儲器模型，在CUDA并行編程環(huán)境下逐個進行核函數的設計，最終實現(xiàn)了基于GPU的脈沖噪聲圖

4、像質量檢測并行算法。實驗結果表明，基于GPU的脈沖噪聲圖像質量檢測并行算法在保證計算結果正確性的基礎上，其計算效率遠高于串行算法的計算效率，并且隨著實驗圖像分辨率的提升，并行算法的加速效果更為明顯，在Tesla K20c GPU的實驗環(huán)境下獲得了最大65倍的加速比。
　?。?）針對基于GPU的脈沖噪聲圖像質量檢測算法在海量圖像質量評價應用環(huán)境中的分析，利用任務并行化的思想，將每幅圖像的質量檢測過程視為一個任務，通過在GPU上一次進