基于Kakadu的JPEG2000解码系统GPU并行优化

摘要

JPEG2000是基于小波变换的图像压缩标准，因其良好的低比特压缩性能、能实现渐进传输、可对感兴趣区域编码以及良好的鲁棒性等优点，被广泛应用于遥感、航天航空、医学、军事、气象等各大领域[1]。Kakadu是目前JPEG2000算法实现效率最高的系统之一，依靠其独特的三层体系结构极大程度上简化了图像编解码的复杂性，并且以面向对象方式实现，使其具有良好的可复用性。但是随着科技的发展，尤其在航空航天和军事领域，对图像的解压缩具有较高的速度要求，目前基于CPU的解决方案成本较高效率较低，难以满足实际需求。
　　CPU中缓存与控制器单元消耗了大部分的晶体管资源，而图形处理器GPU将更多的晶体管资源用于了逻辑运算，因此计算能力相比CPU有很大优势，适合大规模并行运算。为了提高基于Kakadu的图像解压缩系统效率，满足实际应用需求，本文提出了一种基于Kakadu的JPEG2000解码系统的GPU并行优化方案，将Kakadu解码系统的解码核心部分使用高性能并行计算技术在GPU上实现。
　　本文介绍了JPEG2000图像压缩标准、GPU的发展过程和CUDA编程，然后对基于Kakadu的JPEG2000解码系统进行GPU并行优化，主要工作有：
　　1、Tier2部分的高性能并行实现。Tier2模块主要分为三部分：包头解析，tile头解析，码流组织。本文采用线程级并行方案，对码流组织部分使用不同GPU线程负责不同位置的比特搬移，线程之间相互并行的方法实现。
　　2、Tier1部分的高性能并行实现。Tier1解码使用码块级并行解码，各码块之间相互独立，使用一个GPU线程块解码一幅图像，线程块中的一个线程解码图像的一个码块，进行码块之间的并行。
　　3、小波逆变换部分的高性能并行实现。采用图像内部行与行之间并行，图像与图像之间串行操作。小波逆变换包括四个步骤，预缩放，垂直滤波，水平滤波器，后缩放。将每个部分通过线程级并行来加速。将GPU的线程块的数目设定图像行数。用一个GPU线程块处理一行，完成行之间的并行，用一个线程处理一个像素点，完成像素点之间的并行。
　　通过将基于Kakadu的JPEG2000解码系统进行GPU并行优化，优化后解压缩恢复图像的质量和优化前图像质量相同，在解码图像质量保证的情况下，解码速度有2到4倍的提高。该系统的GPU并行优化大大加快了解码系统的整体运行速度，提高了JPEG2000图像解压缩算法的吞吐量，满足了大数据量图像实时解码的需求。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 JPEG2000标准简介

1.3 Kakadu系统概述

1.4 GPU并行计算现状

1.5本文的主要研究任务及组织结构

第二章 JPEG2000静止图像压缩系统

2.1 JPEG2000背景

2.2 JPEG2000整体结构

2.3 JPEG2000详细流程

2.4 Kakadu程序介绍

2.5 本章小结

第三章 GPU发展过程及CUDA编程

3.1 GPU概述

3.2 GPU的发展过程

3.3 CUDA编程

3.4 本章小结

第四章 Kakadu系统的GPU优化设计

4.1 解码软件系统概述

4.2 Kakadu解码总体优化方案设计

4.3 Kakadu解码算法基于GPU的实现

4.4 本章小结

第五章 解码软件系统的测试与分析

5.1 测试环境

5.2 解码正确性测试

5.3 解码速度测试

5.4 本章小结

第六章 总结与展望

6.1研究工作总结

6.2未来工作展望

参考文献

致谢

作者简介