运动估计搜索算法的CUDA优化与实现

doi:10.3778/j.issn.1002-8331.2010.32.048

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (32): 171-176.DOI: 10.3778/j.issn.1002-8331.2010.32.048

• 图形、图像、模式识别 • 上一篇下一篇

运动估计搜索算法的CUDA优化与实现

陈佐¹，陈汉²，季加良¹

1.湖南大学计算机与通信学院，长沙 410082
2.长沙行成信息科技有限公司，长沙 410005

收稿日期:2010-07-15 修回日期:2010-09-28 出版日期:2010-11-11 发布日期:2010-11-11
通讯作者: 陈佐

Optimization and realization of motion estimation search algorithm based on CUDA

CHEN Zuo¹，CHEN Han²，JI Jia-liang¹

1.College of Computer and Communication，Hunan University，Changsha 410082，China
2.Changsha Xingcheng Information Technology Co.，Ltd.，Changsha 410005，China

Received:2010-07-15 Revised:2010-09-28 Online:2010-11-11 Published:2010-11-11
Contact: CHEN Zuo

摘要/Abstract

摘要： 针对H.264压缩编码中计算量大以及最为耗时的运动估计搜索算法的特点，利用图形处理器的并行优化思想，研究基于CUDA计算平台的运动估计搜索算法GEA（全域消除算法）的并行化处理方法，并对其中的并行设计、数据处理、结果反馈等关键技术问题，进行了详细论述。最后通过实验数据对算法运行效率进行对比分析。实验结果表明GPU中的GEA搜索算法运动搜索性能较之CPU中有显著提高。

关键词: 统一计算设备架构（CUDA）, 运动估计, 全域消除算法（GEA）, 并行计算

Abstract: Motion estimation search algorithm is one of the most time complexity parts of Video Compression Standard H.264.By making full use of the parallel processing ability of GPU，this paper proposes a parallel process method of GEA algorithm which is based on CUDA computing platform.The applications are discussed separately in details，such as the parallel design，data processing and results feedback.Finally，it gives the comparative analysis of the execution efficiency of GEA in GPU and in CPU.The result shows that GPU can improve the performance of search algorithm significantly.

Key words: Compute Unified Device Architecture（CUDA）, motion estimation, Global Elimination Algorithm（GEA）, parallel computing

中图分类号:

TP391.41

陈佐¹，陈汉²，季加良¹. 运动估计搜索算法的CUDA优化与实现[J]. 计算机工程与应用, 2010, 46(32): 171-176.

CHEN Zuo¹，CHEN Han²，JI Jia-liang¹. Optimization and realization of motion estimation search algorithm based on CUDA[J]. Computer Engineering and Applications, 2010, 46(32): 171-176.

[1]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[2]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[3]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[4]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[5]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[6]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[7]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[8]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[9]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[10]	曹凯1，2，杨雪梦1，姚敏茹1，2，马天力1，张航1. 基于混合运动估计方法的视觉里程计[J]. 计算机工程与应用, 2019, 55(5): 175-180.
[11]	刘洋，陈经纬，冯勇，吴文渊. 并行LLL算法研究综述[J]. 计算机工程与应用, 2019, 55(16): 36-41.
[12]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[13]	姜悦宁1，2，3，贾宏光1，3，厉明1，3. 基于多核并行计算的无人机CFD数值模拟[J]. 计算机工程与应用, 2018, 54(7): 221-225.
[14]	魏子衿1，2，3，肖丽2，3. 基于区域分解的并行动态LOD构建算法[J]. 计算机工程与应用, 2018, 54(6): 168-177.
[15]	覃金帛1，曾志强1，2，梁藉1，杨明祥2，张健1. GPU并行优化技术在水利计算中的应用综述[J]. 计算机工程与应用, 2018, 54(3): 23-29.

运动估计搜索算法的CUDA优化与实现

Optimization and realization of motion estimation search algorithm based on CUDA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics