基于多核计算平台的视频压缩算法研究

摘要

本文首先研究了视频压缩编码标准H.264/AVC以及多核计算平台GPU的体系结构，在此研究基础上，针对视频压缩的核心算法，如预测编码(含帧内预测、帧间运动估计)、变换编码和熵编码等进行深入研究，分析各类算法的可并行性以及并行执行的最佳流程，设计并实现了基于CUDA平台的视频压缩并行算法(如预测编码并行算法、变换编码并行算法、CAVLC熵编码并行算法)，并与传统的串行算法进行比较。实验结果表明，利用多核计算平台可以显著提高H.264/AVC的编码速度。对于计算密集度非常高的全搜索运动估计，加速比达到了160倍以上；而对于分支密集型的过程，如帧内预测、快速运动估计和CAVLC熵编码，加速比则分别只有9倍、3倍和3倍。这是由于GPU比较适合处理计算密集度高、逻辑分支简单的大规模数据并行计算，而分支判断等控制流语句则会大大影响GPU的执行性能。但是，通过大量线程实现的大规模数据并行足以弥补分支操作带来的影响，所以，对于分支密集型的过程多核计算平台依然可以获得良好的加速性能。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题的研究背景与意义

1.2 国内外研究现状

1.3 本文的研究内容

1.4 本文的章节安排

第二章 H.264/AVC 视频压缩编码

2.1 视频压缩基本概念

2.2 H.264/AVC 编解码过程

2.3 H.264/AVC 的关键技术

2.4 本章小结

第三章 多核计算平台 GPU 和 CUDA 体系架构

3.1 多核计算平台

3.2 CUDA 体系结构

3.3 本章小结

第四章 基于 CUDA 的 H.264/AVC 预测编码

4.1 基于 CUDA 的帧内预测编码

4.2 基于 CUDA 的 FS 运动估计

4.3 基于 CUDA 的快速运动估计

4.4 本章小结

第五章 基于 CUDA 的 H.264/AVC 变换编码

5.1 基于 CUDA 的整数 DCT 变换

5.2 基于 CUDA 的 Hadamard 变换

5.3 本章小结

第六章 基于 CUDA 的 H.264/AVC 熵编码

6.1 基于 CUDA 的 CAVLC 熵编码

6.2 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

致谢

参考文献

攻读硕士阶段发表的论文