基于CUDA的多尺度Retinex图像增强算法实现

多尺度Retinex图像增强是一种基于色彩恒定理论的图像增强算法,算法增强效果好,但随着图像分辨率的提高计算时间显著增加。分析并利用计算统一设备架构(CUDA)图形处理器(GPU)的并行处理特性,提出了一种基于CUDA的多尺度Retinex图像增强并行算法,将多尺度高斯滤波、对数空间差分和动态范围压缩等计算非常耗时的模块采用并行方式放在GPU中进行计算。实验结果表明所提算法能显著提高计算速度,随着图像分辨率的增加,最大加速比超过100倍。     

几种快速运动搜索算法在H.264中的实现及分析

运动搜索是基于块的运动补偿的视频编码的核心技术。介绍了视频编码中几种快速运动搜索算法，并结合H.264的多参考帧预测、多种宏块类型划分和片结构的特点，对各算法进行了仿真实验并给出了各算法在H.264编码标准中的测试结果。     

一种基于残差分析的H.264/AVC帧间块尺寸选择快速预测算法

为了进一步减小宏块的帧间预测误差,新的视频编码标准H.264/AVC采用了灵活多样的块划分类型,块划分尺寸包含16×16到4×4共7种情况。更准确的块匹配带来了编码效率的提高,同时也使计算复杂度急剧增加,当采用率失真全搜索算法遍历所有可能的块划分尺寸组合时更是如此。这一问题也成了影响H.264/AVC实际应用的因素之一,针对这一问题提出了一种基于残差纹理分析的快速块尺寸划分算法。首先通过一次宏块级的运动搜索预处理得到各个4×4块运动补偿后的残差;然后根据得到的残差纹理大小及分布情况对帧间块的划分尺寸做出快速选择。大量的实验验证了该算法在几乎不牺牲图像质量和压缩效率的基础上将这一过程的计算复杂度平均减少了50%。     

基于运动搜索预处理的H.264/AVC帧间块划分模式快速选择算法

为了进一步减小宏块的帧间预测误差,新的视频编码标准H. 264 /AVC采用了灵活多样的块划分类型。不同于以往视频编码标准中规定的16×16, 8×8固定块尺寸,H. 264 /AVC中采用的块尺寸包含16×16到4×4七种类型。然而在提高编码效率的同时却带来了巨大的计算复杂度,尤其是采用率失真全搜索算法时。提出了一种基于运动搜索预处理及残差纹理分析的快速帧间块划分模式预测算法,并通过实验证明了本算法在几乎不牺牲图像质量和压缩效率的基础上,有效地减少了计算复杂度。     

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。