论文部分内容阅读
航空航天领域传输的数据量大、实时性要求较高,在机上进行图像压缩具有一定的实际意义。在航空航天领域,由于飞机等航空航天设备可缓存的数据量有限,除了对压缩性能要求较高以外,对于压缩的速率也提出了严格的要求。目前,国内外对图像压缩算法的研究中,JPEG2000图像压缩标准以其优越的压缩性能被广泛应用于各个学科领域。JPEG2000算法具有一定的并行性,在CPU上实现加速可以采用多核CPU,但在大多数情况下,由于空间资源以及功耗的要求,选用更多CPU核的方式已不能满足更现实的要求。近年来,随着GPU的不断发展以及CUDA编程框架的不断完善,采用GPU实现JPEG2000图像压缩标准,解决了计算能力与空间资源限制以及功耗之间的冲突。GPU的硬件结构采用大量的集成晶体管作为运算单元,也具有良好的并行性。本文以在GPU上实现JPEG2000图像压缩标准为目的,研究了GPU的并行计算能力,对基本的群智能优化算法进行了改进,并在GPU上对其进行加速实验,验证GPU在矩阵运算中的并行效果,然后在VS2013搭载Qt设计库的开发环境里实现了JPEG2000图像压缩算法,并开发了解压快视的软件平台,实现了压缩数据的解压还原。本文具体研究内容包括:(1)GPU的硬件架构和编程框架。首先研究了GPU的并行处理技术,对目前市场上的GPU体系结构进行了对比,分析了GPU和CPU各自的优势和缺陷,并研究了CPU与GPU协同工作的具体实施方法,最后,深刻理解了CUDA的编程框架及该编程框架的实现方法。为下文在GPU上实现并行运算提供了理论基础。(2)群智能优化算法在GPU上的实现。针对粒子群优化算法收敛快、易早熟的特点,以及细菌觅食算法收敛慢、精度高等特点,首先结合两种算法的优势对算法进行了改进,并采用经典的测试函数验证了改进后算法的优势,最后,利用GPU丰富的硬件资源,将三种算法在GPU上实现了并行加速,同时也验证了GPU在矩阵运算方面的优势。(3)GPU上实现JPEG2000图像压缩的并行加速。首先利用GPU的硬件资源,实现了JPEG2000图像的压缩和解压缩的方法,然后将该实现结果与CPU以及ADV212实现的结果进行了对比,验证了在GPU上实现图像压缩的加速性能,并对并行优化提出建议。(4)JPEG2000图像解压快视软件平台设计。以验证GPU解压缩的结果和测试ADV212解压缩板卡性能为目的,开发了JPEG2000图像解压快视软件平台,本软件平台即支持GPU上实现图像解压缩和数据存储功能,同时又支持ADV212解压板卡的配置与操作以及压缩后图像的快视功能,即实现了对GPU并行加速的实现状态的测试,又能匹配卫星系统中其他设备的的接口互联。本文研究结果对航空航天系统数据进行现场高效压缩和解压具有实际意义。