資源描述：
《基于gpu的運(yùn)動(dòng)模糊圖像復(fù)原算法實(shí)現(xiàn)及優(yōu)化研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于GPU的運(yùn)動(dòng)模糊圖像復(fù)原算法實(shí)現(xiàn)及優(yōu)化研究第1章緒論1.1研究背景和意義眼睛是人們眾所周知的接觸外界信息的重要窗口，因此圖像是傳遞信息的重要媒介，在通信過(guò)程中，圖像成為越來(lái)越不可或缺的一項(xiàng)環(huán)節(jié)。圖像相對(duì)于聲音、文字等其他信息而言具有直觀可見(jiàn)、容易接受、簡(jiǎn)單明了的特點(diǎn)，因此在諸多我們熟悉的領(lǐng)域中都可以看到對(duì)圖像處理技術(shù)的應(yīng)用，娛樂(lè)、科研、軍事、交通、醫(yī)學(xué)等不勝枚舉。在人們認(rèn)識(shí)到圖像可以作為多樣化通信的一種方式時(shí)，專(zhuān)家和學(xué)者們?cè)谏蟼€(gè)世紀(jì)60年代開(kāi)始了對(duì)圖像處理技術(shù)的探索。1920年，圖像數(shù)字化方法問(wèn)世，這也標(biāo)志著圖像處理技術(shù)上升到數(shù)字化階段；經(jīng)過(guò)大約40年的探索，在20世紀(jì)60年代末期，
2、數(shù)字圖像處理技術(shù)可以作為一個(gè)完備的科研體系和學(xué)科，并形成一門(mén)新興的學(xué)科；在之后的大約10年時(shí)間中，數(shù)字圖像處理技術(shù)突飛猛進(jìn)；70年代后至今，數(shù)字圖像處理技術(shù)的應(yīng)用已經(jīng)滲透到了工業(yè)、遙感、生物醫(yī)學(xué)、軍事、公共安防等諸多領(lǐng)域[1]，同時(shí)隨著科技浪潮激流翻涌，人們對(duì)圖像處理的態(tài)度也變得嚴(yán)格苛刻起來(lái)，這使得圖像處理技術(shù)在眾所矚目的情況下推陳出新、向前發(fā)展。在數(shù)字圖像處理技術(shù)中，運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)是一個(gè)尤為重要的領(lǐng)域。在實(shí)際獲取圖像過(guò)程中，被拍攝的物體和攝像鏡頭之間可能存在相對(duì)運(yùn)動(dòng)，這就導(dǎo)致了圖像模糊的產(chǎn)生。運(yùn)動(dòng)模糊是多種圖像退化情形中的一種，這種退化形式不論是在彰顯實(shí)力的軍事化研究中，或者是在
3、我們十分熟悉的日常生活當(dāng)中，都是經(jīng)常會(huì)遇到的。例如在無(wú)人機(jī)偵查拍攝過(guò)程中，可能受到天氣因素、風(fēng)向、飛行角度和速度等的影響，造成所拍攝到的圖像是模糊的，不但嚴(yán)重影響了拍攝到圖像信息的準(zhǔn)確程度也影響了圖像信息提取的完整程度；另一個(gè)常見(jiàn)的實(shí)例是在交通監(jiān)視中的電子警察，違章車(chē)輛闖紅燈或者造成交通事故時(shí)，可能由于車(chē)輛的行駛速度過(guò)高或者交通情況的復(fù)雜，造成抓拍的監(jiān)控?cái)z像頭和行駛車(chē)輛形成相對(duì)運(yùn)動(dòng)，造成運(yùn)動(dòng)模糊，如果不對(duì)圖像進(jìn)行去模糊處理，有可能就不能判斷違章車(chē)輛的車(chē)牌信息，情節(jié)嚴(yán)重的還可能造成肇事車(chē)輛逃逸，這樣不堪設(shè)想的后果對(duì)于公共安全和我們自身安危來(lái)說(shuō)都是嚴(yán)重的威脅。.......1.2國(guó)內(nèi)外研究現(xiàn)
4、狀在頻域上對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行恢復(fù)的過(guò)程大方向上可以看成是一個(gè)去卷積的過(guò)程，然而去卷積技術(shù)在數(shù)字圖像處理技術(shù)流行之前就被提出來(lái)了，在電子濾波器的設(shè)計(jì)和時(shí)間序列的分析中都有它的應(yīng)用。在1942年，Norbertcglamery[6]也采用點(diǎn)擴(kuò)散函數(shù)對(duì)大氣擾動(dòng)圖像去卷積處理；同年，Helstron[7]以最小均方誤差估計(jì)為理論基礎(chǔ)，提出了維納去卷積濾波器，這個(gè)濾波器的傳遞函數(shù)是二維的，這標(biāo)志著經(jīng)典維納濾波器的問(wèn)世；同在1967年，Slepian[8]將維納去卷積推廣用來(lái)處理隨機(jī)點(diǎn)擴(kuò)散函數(shù)；1972年，Pratt[9]研究了維納去卷積的計(jì)算效率，在原有的基礎(chǔ)上對(duì)此做了提高；同一時(shí)期，Richar
5、dson和Lucy在著名的貝葉斯原理體系基礎(chǔ)上提出了為世人熟知的Richardson-Lucy(簡(jiǎn)稱(chēng)R-L算法)算法，在當(dāng)今有源圖像去卷積過(guò)程中，這種方法被廣泛使用，但如果噪聲對(duì)圖像的干擾比較大的話，這種算法得出的去卷積圖像中會(huì)出現(xiàn)振鈴效應(yīng)[10,11]；Cannon提出了一種可以把退化圖像功率譜復(fù)原到原圖像幅度的濾波器，這種濾波器在某些特定的條件下，性能要比維納濾波器好一些。在隨后研究中，也陸續(xù)涌現(xiàn)出一些學(xué)者將不同的理論應(yīng)用在了圖像復(fù)原的問(wèn)題中。近年來(lái)，大量的研究理論把圖像復(fù)原問(wèn)題逐漸推向研究的高潮，如Bayes分析[12]、變分法[13,14]、偏微分法[15]、正則化方法[16]、
6、小波[17]等方法都被應(yīng)用于圖像復(fù)原領(lǐng)域中。.........第2章GPU通用計(jì)算與CUDA架構(gòu)本章主要介紹關(guān)于GPU做通用計(jì)算與CUDA架構(gòu)的相關(guān)內(nèi)容。首先對(duì)比GPU與CPU在浮點(diǎn)運(yùn)算能力方面的異同，突出GPU強(qiáng)勁的浮點(diǎn)運(yùn)算能力以及巨大的帶寬是GPU做通用計(jì)算的兩大利器。之后將介紹CUDA架構(gòu)的相關(guān)內(nèi)容。包括它的程序運(yùn)行環(huán)境，CUDA架構(gòu)下編程的模型，CUDA架構(gòu)對(duì)應(yīng)的存儲(chǔ)器模型以及虛擬的線程執(zhí)行模型等內(nèi)容。本章主要是編程的基礎(chǔ)內(nèi)容，旨在為后面實(shí)現(xiàn)GPU并行加速運(yùn)動(dòng)模糊圖像復(fù)原算法奠定相應(yīng)基礎(chǔ)。2.1GPU與CPU的性能比較隨著人們生活的多元化，目前科技發(fā)展面臨龐大的數(shù)據(jù)量的沖擊和挑戰(zhàn)
7、。高清視頻，大規(guī)模網(wǎng)游，天氣預(yù)測(cè)，流體力學(xué)計(jì)算，醫(yī)學(xué)圖像重建等，這些數(shù)據(jù)規(guī)模已經(jīng)超過(guò)了一顆普通CPU的計(jì)算負(fù)荷能力。面對(duì)這樣的海量數(shù)據(jù)，許多研究學(xué)者開(kāi)始思考，有沒(méi)有一種專(zhuān)門(mén)用來(lái)做大規(guī)模數(shù)據(jù)計(jì)算的處理器來(lái)取代CPU呢？這樣CPU用來(lái)做數(shù)據(jù)的調(diào)度，而這種專(zhuān)門(mén)負(fù)責(zé)計(jì)算的處理器就可以用來(lái)處理數(shù)據(jù)。作為專(zhuān)業(yè)計(jì)算設(shè)備的GPU可以適應(yīng)此要求。而且在數(shù)據(jù)的處理能力和存儲(chǔ)器帶寬上GPU比CPU有明顯的優(yōu)勢(shì)。圖2.1所示為CPU和GPU的主要的結(jié)構(gòu)。.
