高级视频编码中运动估计的算法改进与GPU并行优化

摘要

运动估计是高级视频编码标准 H.264的核心部分之一，通过高效的帧间预测方法大幅提升了视频压缩比，但高计算复杂度问题却给实时视频编码带来巨大挑战。近年来随着图形处理器GPU（Graphics Processing Unit）的并行计算能力越来越强，基于GPU的CUDA（Compute Unified Device Architecture）编程模型为优化加速运动估计部分提供了机会。因而，充分挖掘运动估计的并行性，并利用GPU对其进行优化加速，对以视频直播为代表的实时编码应用的快速发展具有重大意义。
　　通过对运动搜索算法的改进和并行性分析，提出了基于GPU平台的H.264运动估计并行优化方案。首先，提出了一种适应于GPU并行计算特点的两级搜索算法：第一级是粗粒度全局搜索，以4倍步长在搜索窗口中找到第一级最佳运动矢量；第二级是细粒度局部搜索，在第一级最佳运动矢量位置周边的5×5区域内进一步搜索得到最终的运动矢量。此算法不仅极大地减少了搜索点，而且便于CUDA编程实现，可充分利用 GPU的并行计算资源加速运动估计过程。其次，提出了 CPU残差编码与GPU运动估计的异步计算模型：将帧分为N个块，由于每个分块的运动估计不依赖其它分块，所以当CPU对第n-1(0　　实验结果表明，采用两级搜索算法的并行优化方案比全搜索算法最高加速了40多倍，整体编码速度最高提升了30多倍；相比于一些快速搜索算法也有不同程度的加速。相应的视频质量损失在用户可接受范围内，峰值信噪比PSNR（Peak Signal to Noise Ratio）最大误差为1.2dB。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题研究背景及意义

1.2 国内外相关研究进展

1.3 研究内容与章节安排

1.4 本章小结

2 H.264运动估计的算法流程与并行性分析

2.1 H.264视频编码的基本原理

2.2 运动估计搜索算法

2.3 H.264运动估计的复杂度分析

2.4 H.264运动估计的并行性分析

2.5 本章小结

3 H.264运动估计的CUDA并行优化

3.1 GPU硬件结构及CUDA编程模型

3.2 运动估计的算法改进

3.3 异步计算模型

3.4 多层次并行优化

3.5 并行优化方案的实现细节优化

3.6 本章小结

4 实验结果与分析

4.1 实验平台与环境

4.2 实验结果对比与分析

4.3 本章小结

5 总结与展望

5.1 本文研究工作

5.2 本文研究展望

致谢

参考文献