基于GPU加速的脈沖噪聲檢測(cè)算法研究.pdf

1、圖像質(zhì)量評(píng)價(jià)是數(shù)字圖像處理領(lǐng)域的一門重要研究課題，數(shù)字圖像質(zhì)量的高低直接影響圖像在后續(xù)的分析、解譯等應(yīng)用中的價(jià)值。脈沖噪聲是一種常見的圖像質(zhì)量失真類型，因此對(duì)受脈沖噪聲污染圖像的質(zhì)量評(píng)價(jià)算法的研究在圖像質(zhì)量評(píng)價(jià)領(lǐng)域也顯得尤為重要。另一方面，圖像傳感器技術(shù)的發(fā)展，使當(dāng)今數(shù)字圖像在分辨率和數(shù)量上都數(shù)倍于以往，傳統(tǒng)串行的圖像處理算法已經(jīng)不能滿足當(dāng)前海量圖像處理實(shí)時(shí)性的需求，而GPU依托其強(qiáng)大的計(jì)算性能已經(jīng)成為研究高性能數(shù)字圖像處理并行算法的首

2、選解決方案。
　　本文通過(guò)對(duì)圖像質(zhì)量評(píng)價(jià)方法的研究現(xiàn)狀和發(fā)展趨勢(shì)進(jìn)行分析，重點(diǎn)設(shè)計(jì)了一種基于GPU的脈沖噪聲圖像質(zhì)量檢測(cè)算法，并且對(duì)算法在海量圖像評(píng)價(jià)系統(tǒng)中的應(yīng)用進(jìn)行了優(yōu)化，主要研究?jī)?nèi)容如下：
　?。?）通過(guò)分析脈沖噪聲的特點(diǎn)及其濾波算法，設(shè)計(jì)了一種以基于梯度的結(jié)構(gòu)相似度為質(zhì)量評(píng)價(jià)指標(biāo)的無(wú)參考脈沖噪聲圖像質(zhì)量檢測(cè)算法。算法對(duì)原始含脈沖噪聲的待檢測(cè)圖像進(jìn)行濾波構(gòu)造平滑圖像作為參考圖像，通過(guò)計(jì)算原始圖像與參考圖像在基于梯度的結(jié)構(gòu)

3、相似度的差異作為對(duì)原始圖像的質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，相比于全參考的峰值信噪比評(píng)價(jià)標(biāo)準(zhǔn)，本文算法能夠?qū)}沖噪聲圖像的質(zhì)量進(jìn)行較為準(zhǔn)確的評(píng)價(jià)，更加具有實(shí)用性并且結(jié)果呈現(xiàn)更為直觀。
　?。?）通過(guò)對(duì)提出的脈沖噪聲圖像質(zhì)量檢測(cè)串行算法進(jìn)行并行可行性分析，將原始串行算法中計(jì)算復(fù)雜性較高的部分，依據(jù)其計(jì)算特點(diǎn)結(jié)合CUDA線程模型并合理利用CUDA的存儲(chǔ)器模型，在CUDA并行編程環(huán)境下逐個(gè)進(jìn)行核函數(shù)的設(shè)計(jì)，最終實(shí)現(xiàn)了基于GPU的脈沖噪聲圖

4、像質(zhì)量檢測(cè)并行算法。實(shí)驗(yàn)結(jié)果表明，基于GPU的脈沖噪聲圖像質(zhì)量檢測(cè)并行算法在保證計(jì)算結(jié)果正確性的基礎(chǔ)上，其計(jì)算效率遠(yuǎn)高于串行算法的計(jì)算效率，并且隨著實(shí)驗(yàn)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(shí)驗(yàn)環(huán)境下獲得了最大65倍的加速比。
　　（3）針對(duì)基于GPU的脈沖噪聲圖像質(zhì)量檢測(cè)算法在海量圖像質(zhì)量評(píng)價(jià)應(yīng)用環(huán)境中的分析，利用任務(wù)并行化的思想，將每幅圖像的質(zhì)量檢測(cè)過(guò)程視為一個(gè)任務(wù)，通過(guò)在GPU上一次進(jìn)