基于GPU的运动模糊图像复原算法实现及优化研究

摘要

运动模糊图像在我们日常生活中是十分常见的，只要物体和拍摄的系统之间是相对运动的，就会出现这类现象。因此去模糊技术是图像预处理中一个十分重要的步骤。
　　GPU拥有巨大的存储器带宽和强劲的处理浮点数据的能力，因此GPU已经被广泛应用于许多计算领域当中。并且相对于 CPU来说，GPU已经在诸多领域中加速比达到一到两个数量级。另一方面，NVIDIA公司 CUDA架构的推出解除了传统 GPU的设计初衷给开发人员带来的束缚，使得 GPU开发编程更简单、功能更强大、应用领域更广泛。
　　本文将运动模糊图像复原算法与 GPU技术相结合，首先在CPU平台和GPU平台上分别实现了图像的傅里叶变换，并分别实现了CPU和GPU平台上的已知运动模糊距离和模糊角度的运动模糊图像的维纳滤波复原，并测得 GPU与 CPU的运算时间，取得了较高的加速比。为了进一步增加算法的并行化程度，利用GPU对以上两种算法做了进一步的并行优化。在图像受到噪声干扰的情况下，运用维纳滤波恢复运动模糊图像，所得的结果受到噪声的影响很大，为改善复原图像质量，本文提出了一种改进的维纳滤波算法。这种改进的维纳滤波算法在运动模糊图像受到高斯噪声和椒盐噪声干扰的情况下，均能有效抑制噪声，并且运用本文改进算法复原的图像较经典维纳滤波复原有更好的视觉效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 论文研究内容

1.4 论文的结构安排

第2章 GPU通用计算与CUDA架构

2.1 GPU与CPU的性能比较

2.2 CUDA架构

2.3 本章小结

第3章 运动模糊图像复原算法分析与设计

3.1 图像复原技术

3.2 图像的退化模型

3.3 匀速直线运动模糊退化及点扩散函数的确定

3.4 图像傅里叶变换算法分析与设计

3.5 运动模糊图像复原算法分析与设计

3.6 基于GPU优化的运动模糊图像复原算法设计

3.7 本章小结

第4章 基于GPU并行加速的运动模糊图像复原算法实现

4.1 实验环境

4.2 图像傅里叶变换的CPU与GPU实现及实验结果分析

4.3 运动模糊图像复原的CPU与GPU实现及实验结果分析

4.4 基于GPU优化的运动模糊图像复原实现及实验结果分析

4.5 本章小结

第5章 改进的维纳滤波算法

5.1 改进的维纳滤波算法设计

5.2 改进的维纳滤波算法实现及实验结果分析

5.3 本章小结

第6章 结论与展望

6.1 结论

6.2 进一步工作方向

致谢

参考文献