低照度图像增强的并行优化研究
在夜晚采集到的图像通常偏黑,人眼分辨不清图像中场景的具体细节信息。低照度图像增强算法就是将夜晚采集的图像经过处理之后具有白天清晰图像的视觉效果。
但是图像增强算法往往复杂度高,计算量大,实际应用中不能达到实时性的要求。低照度图像增强算法的研究重点大多集中在对夜间图像增强的效果上,对算法的加速研究还很有限,而这种算法由于其在增强过程耗时很长的缺点,难以得到工程上的广泛应用。
针对这种现状,本文对基于去雾技术的低照度图像增强算法进行并行优化改进,使其能够满足实时性要求。首先,文本研究了并行计算技术的先关硬件以及编程模型,通过对目前常用的并行实现方法和并行设备进行了分析和对比,总结出各个并行计算平台的硬件特点以及编程模型的具体应用优势。
具体分析了多核CPU平台,CPU-GPU的异构架构,多核DSP平台的并行化特点,为后续的算法优化实现做好铺垫。然后,在三种平台上实现了对低照度图像增强算法进行并行优化。
并行优化前,对算法中的各个中间步骤进行了复杂度分析,为后来的并行性分析提供依据。在多核CPU平台上,通过软件性能分析器,找到程序中的热点,对算法热点部分进行了改 ...