一种基于GPU计算的自适应局部降噪并行算法

摘要

随着获取图像像幅规模的增大和分辨率的提高，自适应局部降噪算法的性能成为制约图像实时处理的关键.本文提出了一种基于GPU的自适应局部降噪并行算法.从向量化访存、数据本地化计算以及资源配置优化3个方面出发，结合算法特性和底层硬件架构特征，研究了自适应局部降噪算法在CPU+GPU异构计算平台上的并行计算和性能优化.实验结果显示，在处理8 182×8 182分辨率的图像时，相比CPU串行计算获得了27.39倍加速比，具有较好的数据扩展性.并行算法充分发挥了GPU的并行处理能力.文中提出的方法对图像处理算法的GPU加速提供了新的研究思路.

关键词

自适应滤波器 / 局部噪声 / 信噪比 / GPU / CUDA / 并行算法