计算机科学与探索

作者：肖汉, 孙陆鹏, 李彩林, 周清雷

单位：1.郑州师范学院 信息科学与技术学院,郑州 450044；2.山东理工大学 建筑工程学院,山东 淄博 255000；3.郑州大学 计算机与人工智能学院,郑州 450001

关键词：直方图统计,局部增强,局部均值,图形处理器（GPU）,统一计算设备架构（CUDA）,并行算法

基金：国家自然科学基金(41601496);国家自然科学基金(61572444);河南省高等学校重点科研项目(22A520049);黄河中下游数字地理技术教育部重点实验室（河南大学）开放基金(GTYR202004);自然资源部大湾区地理环境监测重点实验室（深圳大学）开放基金(SZU51029202003);山东省艺术科学重点课题(ZD202008267);山东省艺术科学重点课题(201806353)

直方图统计在图像增强和目标检测等领域有着重要的应用。然而,随着图像规模不断增大、实时性要求越来越高,直方图统计局部增强算法的处理过程较慢,达不到预期满意的速度。针对这一不足,在图形处理器（GPU）平台上实现了直方图统计图像增强算法的并行处理,提升了处理大幅面数字图像的处理速度。首先,通过充分利用统一计算设备架构（CUDA）活动线程块和活动线程来并行处理不同的子图像块和像素点,提升了数据访问的效率。然后,采用内核配置参数优化和数据并行计算技术,实现了直方图统计图像增强算法在GPU平台上的并行化。最后,采用主机端和设备端间高效的数据传输模式,进一步缩短了系统在异构计算平台上的执行时间。研究表明,对于像幅大小不同的图像,图像直方图统计并行算法的处理速度相比CPU串行算法均有两个数量级的提高,处理一幅像幅大小为3 241×3 685的图像需要787.11 ms,并行算法的处理速度提高了261.35倍,为实现实时大规模图像处理奠定了良好基础。

来源：2022年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第10期