论文部分内容阅读
数字图像处理是实现计算机视觉的关键技术。近几年GPU通用计算己成为国内外研究人员所研究的热点。使用GPU加速数字图像处理对于建立实时、准确、高效的计算机视觉系统具有重大意义。在当前实际应用中,计算机视觉系统对实时性和准确率的要求都越来越高,需要处理的数据量越来越多,涉及到的计算量越来越大。这使得目前个人电脑的计算性能不能满足实际应用中的性能要求。近年来随着图形处理器(GPU)的急速发展,使用GPU进行加速计算通常能获得一个数量级的速度提升,这也是当今的热点研究问题之一。GPU强大的计算和并行处理能力可以打破计算机视觉系统中的处理速度瓶颈,提高算法的执行效率。论文首先介绍了GPU通用计算的发展历程、工作原理、自身特点和发展趋势。并且探讨了能充分发挥出GPU强大计算和并行处理能力的CUDA平台,包括CUDA的概况、软硬件环境及需求、编程模型、特点、应用领域和发展趋势。在此基础上论文更进一步研究了使用CUDA实现的基于GPU的数字图像处理算法,包括使用GPU加速空间域和频域的图像处理算法。主要内容为:(1) CUDA实现基于GPU的数字图像处理算法在时域和频域空间使用GPU加速图像处理算法,包括直方图生成及均衡化算法、图像的平滑算法、图像的锐化算法和卷积滤波计算,最后使用CUDA实现了上述这些算法。并通过实验定量地验证GPU的加速能力。(2)设计了一类基于GPU的角点检测算法角点作为图像上的特征点包含有重要的信息,在图像融合和目标跟踪及三维重建中有重要的应用价值。使用GPU强大的计算和并行处理能力实现角点检测算法对于提高计算机视觉实时应用的速度和准确性有重要意义。本文设计了一类新的基于GPU的角点检测算法,并使用CUDA实现了基于GPU的角点检测算法。通过实验证明基于GPU的角点检测算法能有效地满足计算机视觉的实时应用。(3)对CUDA程序优化方法的研究。CUDA是实现GPU通用计算的一种开发平台,它能充分发挥出GPU强大的计算和并行处理能力。在使用GPU加速数字图像处理算法时,如何编写更加有效率的CUDA程序。本节针对数字图像处理算法中的实际问题进行具体分析,给出CUDA程序的优化方法。