基于GPU实现JPEG2000高速遥感图像的解压缩技术研究

【摘要】：JPEG2000是一种采用离散小波变换(DWT)和优化截断嵌入式编码(EBCOT)的静止图像压缩标准,因其极低比特率压缩性能、渐进性传输和感兴趣编码等优点,成为遥感图像压缩领域的主流算法。但JPEG2000标准存在算法复杂度高、处理速度慢等问题,因此JPEG2000编解码系统的研究具有重要现实意义。受卫星上超低温、强辐射和低能耗等恶劣条件的限制,星上压缩系统一般采用航天级编码芯片。相比于卫星环境,地面解码端条件限制少、有解码芯片、CPU、集群多种解码方案可选。但是解码芯片研制存在开发周期长、成本高且重复使用率低等缺点。传统CPU解码方案计算性能差,难以满足解码速度要求。CPU集群解码方案则需要单独的机房和巨大的电能消耗,维护成本高昂。图形处理单元GPU能很好解决计算力、功耗、成本及重复使用率等问题,为JPEG2000解码提供新的解决方案。本文以我国某卫星解码系统工程设计为出发点,结合GPU特点对JPEG2000解码流程展开研究。本文首先介绍JPEG2000图像压缩标准流程、GPU架构发展和CUDA编程方法,然后对DWT、Tier-1、量化和后处理等模块并行化设计,最后对模块间数据传输和CPU-GPU协同工作模型进行优化。论文主要工作概括如下:(1)GPU实现基于行块的小波变换方法。针对离散小波变换计算量大、耗时占比高等问题,本文调研了基于行列和分块的小波变换方法,结合两种方法的优点实现一种基于行块的小波变换方法,并使用洗牌指令代替共享内存实现块内线程间数据通信。最终本文实现小波变换方法相比于CPU实现加速了150多倍。(2)Tier-1、反量化和后处理等模块并行化设计。Tier-1模块采用码块级并行,即GPU每个线程独立解码一个码块数据。反量化和后处理等模块均采用像素级并行,即GPU每个线程处理单个像素点。最终Tier-1、后处理模块相比Open JPEG实现的Tier-1、后处理模块分别加速了8倍和18倍。(3)模块间高效数据传输和CPU-GPU协同工作模型设计。JPEG2000解码流程中分别在Tier-2、Tier-1和反量化模块之间存在以码块为单位的数据串行传输问题,本文设计高效Kernel函数实现模块间数据并行传输。结合多核心CPU架构和GPU流水线方法,设计高效的CPU-GPU协同工作模型。本文基于GPU实现的JPEG2000解码器相比于Open JPEG、Kakadu单线程解码分别加速了10倍和8倍。论文成果与本课题组研制的JPEG2000压缩芯片协同工作,组成高性能JPEG2000编解码系统,并成功应用于某卫星编解码系统型号任务中。