小波分解算法在CUDA上的訪存性能分析與優(yōu)化.pdf

1、隨著計(jì)算機(jī)技術(shù)和信息處理技術(shù)的不斷發(fā)展,離散小波變換憑借著良好的時(shí)域特性和局部特性,逐步成為了圖像壓縮技術(shù)的核心算法。針對小波變換 Mallat算法復(fù)雜度高、訪存次數(shù)多、占用內(nèi)存大的特點(diǎn),Wim Sweldens等人提出了快速提升小波變換算法,該算法具有不依賴傅里葉變換、計(jì)算速度快,內(nèi)存占用少等特點(diǎn)。
　　小波分解算法以具有單指令多數(shù)據(jù)特性被廣泛地移植到計(jì)算機(jī)統(tǒng)一設(shè)備架構(gòu)CUDA(Computer Universal Device

2、 Architecture)上計(jì)算。小波分解算法在CUDA上執(zhí)行一般分為水平方向?yàn)V波和垂直方向?yàn)V波兩步,其中常見的水平方向?yàn)V波的方式為Spiht方式,垂直方向?yàn)V波的方式有四種:Spiht方式,轉(zhuǎn)置后水平方向?yàn)V波方式,Slab方式和Slice方式。
　　針對垂直方向模式的四種移植方式,分別從數(shù)據(jù)重用、全局內(nèi)存合并訪存、共享內(nèi)存Bank沖突、通道偏斜和分支跳轉(zhuǎn)5個(gè)方面對小波分解算法做訪存性能評估,得到如下結(jié)論:Spiht方式?jīng)]有使用全

3、局內(nèi)存合并訪存,性能比較差;轉(zhuǎn)置后水平方向?yàn)V波方式使用了全局內(nèi)存合并訪存,且共享內(nèi)存中的數(shù)據(jù)重用次數(shù)較多,性能比較好;Slab和Slice方式盡管使用了全局內(nèi)存合并訪存,但是共享內(nèi)存數(shù)據(jù)重用次數(shù)不多,性能不高。
　　針對上述理論結(jié)論及Mallat算法和提升算法的不同計(jì)算特點(diǎn),對 Slab和Slice方式的實(shí)現(xiàn)過程的共享內(nèi)存中數(shù)據(jù)重用進(jìn)行改進(jìn),達(dá)到提高共享內(nèi)存數(shù)據(jù)重用次數(shù)的目的。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的垂直方向?yàn)V波的實(shí)現(xiàn)方式取得了較好