基于GPU的H.264并行解码器设计

论文摘要

H.264是当今视频压缩领域中压缩性能最优的实用视频编码标准,是由ITU-T与ISO/IEC两大国际标准化组织于2003年共同提出的。H.264拥有以往编码标准无法比拟的性能,但计算复杂度也有所增加,编解码的耗时随之增多。GPU （Graphic Processing Unit,图形处理单元）是显卡的运算核心,具有强大的并行运算能力。近年来GPU逐渐被用于通用计算,将GPU用于视频图像压缩领域具有广阔的应用前景。本文对传统的H.264串行解码模型进行测评,设计了一种基于GPU的H.264并行解码器。该解码器采用CPU+GPU的架构,运用双线程设计,可以实现CPU与GPU的同时高效工作。主线程主要负责调度GPU完成IQ、IDCT、帧内、帧间预测、环路滤波等模块,并负责数据在CPU与GPU之间的传送；子线程则主要在CPU上完成码流分析、熵解码与重排序。本文充分研究了H.264解码中重要且计算耗时的模块,并提出多种能够充分利用模块内数据独立性和GPU资源的并行算法。本文为IDCT提出一种蝶形并行算法和一种增强蝶形并行算法,并提出一种基于左乘转置的直接相乘并行算法；为IQ提出一种并行的实现方法；为帧内预测提出一种固定梯状并行算法和一种自适应梯状并行算法；为帧间预测运用一种高效的MC并行算法；为环路滤波的滤波强度求取环节提出一种并行实现方法和一种简化的滤波强度并行求取算法；并为环路波滤的执行环节提出一种固定梯状并行算法和一种改进的并行滤波算法。通过仿真实验证明,本文提出的CPU+GPU并行解码器能够在有限的硬件条件下,有效地利用GPU并行运算资源和CPU的串行运算资源,大大提高解码速度。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景
• 1.2 国内外研究现状
• 1.3 本文研究内容及结构安排
• 1.3.1 本文的主要研究内容
• 1.3.2 本文的章节安排
• 2 H.264标准与GPU编程概述
• 2.1 视频标准的发展史
• 2.2 H.264的解码原理
• 2.3 H.264解码关键技术
• 2.4 GPU编程与CUDA架构概述
• 2.4.1 GPGPU与CUDA
• 2.4.2 CUDA的编程模型与两级并行架构
• 2.4.3 CUDA的硬件模型
• 2.5 CUDA应用于视频压缩领域的优势与挑战
• 3 基于GPU的H.264并行解码器总体设计
• 3.1 传统的H.264解码架构测评
• 3.2 CPU+GPU异构H.264并行解码器架构设计
• 3.2.1 解码器的CPU+GPU异构模型
• 3.2.2 解码器的双线程结构设计
• 3.3 H.264并行解码器实现流程与并行粒度分析
• 3.4 H.264并行解码器计算复杂度分析
• 3.4.1 空间复杂度
• 3.4.2 时间复杂度
• 3.5 H.264并行解码器的计算瓶颈分析
• 3.6 本章小结
• 4 基于GPU的H.264解码器并行算法的设计与实现
• 4.1 码流分析与重排序的实现
• 4.2 IDCT与IQ的并行算法设计
• 4.2.1 基于CPU的IDCT串行算法
• 4.2.2 蝶形IDCT算法的并行实现
• 4.2.3 适合GPU运算的并行IDCT算法
• 4.2.4 IQ的并行算法
• 4.3 帧内预测并行算法设计
• 4.3.1 4×4亮度帧内预测的固定梯状并行算法
• 4.3.2 4×4亮度帧内预测的自适应梯状并行算法
• 4.3.3 色度帧内预测的固定梯状并行算法
• 4.4 帧间预测并行算法设计
• 4.5 环路滤波并行算法设计
• 4.5.1 滤波强度的并行求取
• 4.5.2 环路滤波的并行实现
• 4.5.3 一种改进的环路滤波并行算法
• 4.5.4 两种环路滤波性能的评价
• 4.6 本章小结
• 5 算法仿真与实验结果分析
• 5.1 四种IDCT并行算法的实验
• 5.2 IQ并行算法的实验
• 5.3 帧内预测并行算法的实验
• 5.4 帧间MC并行算法的实验
• 5.5 环路滤波并行算法的实验
• 5.6 解码器总体性能分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢