基于GPU的H.264到AVS视频转码并行设计

论文摘要

H.264标准是当今压缩性能最优的标准,但是高昂的专利费用一直阻碍其在中国使用,于是我国自主研发了拥有与H.264性能相媲美性能的AVS （Audio Video coding Standard,数字音视频）标准。两种标准将在很长一段时间内长期共存,但由于两种标准计算复杂度比较高,使得二者之间的转码成为一个重要的研究课题。近年来GPU （Graphic Processing Unit,图形处理单元）的通用计算能力得到快速发展,特别是2007年英伟达（NVIDIA）公司推出了支持C语言与OpenCL语言的CUDA（Compute Unified Device Architecture,计算统一设备架构）软件平台,从而使GPU的程序开发变得简单灵活,也使得GPU在视频转码领域中有更为广阔的应用前景。本文的并行转码器采用CPU+GPU的双线程设计,CPU和GPU并发协同工作。CPU作为主线程负责转码中的熵解码、数据交互以及资源调度工作,GPU作为从线程负责转码中除熵解码外其它模块的工作,这样设计可以降低CPU与GPU间数据传递的次数。在转码过程中,为了充分发挥GPU并行计算的优势,为转码中计算密集、耗时长的模块设计并行算法。针对帧内预测环节邻块的相关性,设计了梯状并行算法。针对帧间运动估计环节,设计了一种基于全搜索的运动估计并行算法,该算法取消了利用邻块的运动矢量预测搜索起始点的环节,而是将搜索起始点设置为0提高并行粒度。针对熵编码中数据依赖、控制相关、码流存储优先等难题,提出了一种并行熵编码算法,该算法割裂了宏块间熵编码、码流优先存储的相关性,解决了限制熵编码并行实现的难题。针对两种视频标准关键环节的相似性,在转码过程中重用解码得到的信息,分别提出了基于信息重用的帧内预测、运动估计的并行算法,通过降低计算复杂度提高转码的速度。最后通过实验测试转码中各个模块的加速比以及图像性能指标,并对并行转码器的整体性能进行测评。实验结果表明：本文设计的并行转码器充分发挥了CPU与GPU硬件的特点,对计算密集的模块设计了适合GPU运行的并行算法,在保证图像质量的情况下,大大提高了转码速度。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景
• 1.2 视频转码国内外研究现状概述
• 1.2.1 视频转码的研究现状与热点
• 1.2.2 GPU在视频转码领域的应用
• 1.3 本文研究内容与章节安排
• 2 H.264与AVS标准以及GPU编程基础知识概述
• 2.1 视频压缩标准发展史
• 2.2 H.264与AVS视频编码标准
• 2.2.1 H.264解码与AVS编码原理
• 2.2.2 H.264与AVS标准关键技术及其异同点
• 2.3 GPU编程与CUDA架构概述
• 2.3.1 GPU的发展简介
• 2.3.2 GPU的硬件结构以及与CPU的比较
• 2.3.3 CUDA的编程知识概述
• 2.4 GPU应用于视频压缩领域的优势与挑战
• 2.5 本章小结
• 3 基于GPU的H.264到AVS视频转码并行算法设计
• 3.1 H.264到AVS转码器结构框架设计
• 3.1.1 传统的H.264到AVS转码器的框架结构
• 3.1.2 CPU+GPU异构H.264到AVS并行视频转码架构设计
• 3.2 帧内预测并行算法
• 3.2.1 亮度、色度帧内预测并行算法
• 3.2.2 转码帧内预测模式重用并行算法
• 3.2.3 两种帧内预测算法性能比较
• 3.3 运动估计并行算法
• 3.3.1 像素内插与运动估计并行算法
• 3.3.2 并行运动矢量搜索合并算法
• 3.3.3 转码矢量重用并行算法
• 3.3.4 CUDA分析软件Profile分析算法性能
• 3.4 AVS熵编码并行算法设计
• 3.4.1 AVS熵编码框架
• 3.4.2 并行熵编码相关性分析
• 3.4.3 指数哥伦布编码并行算法
• 3.4.4 两级码流合并并行算法
• 3.5 转码过程中CPU与GPU并行处理设计与分析
• 3.6 本章小结
• 4 实验结果举例与分析
• 4.1 帧内预测并行算法的实验
• 4.2 帧间运动估计算法的实验
• 4.3 熵编码并行算法实验
• 4.4 整体性能分析
• 4.5 本章小结
• 5 总结与展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢