CUDA架构下的快速图像去噪

doi:10.3778/j.issn.1002-8331.2009.11.055

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 183-185.DOI: 10.3778/j.issn.1002-8331.2009.11.055

• 图形、图像、模式识别 • 上一篇下一篇

CUDA架构下的快速图像去噪

李军,李艳辉,陈双平

暨南大学珠海学院计算机系，广东珠海 519070

收稿日期:2008-10-09 修回日期:2009-01-12 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 李军

Fast image denoising with CUDA

LI Jun,LI Yan-hui,CHEN Shuang-ping

Department of Computer，School of Zhuhai，Jinan University，Zhuhai，Guangdong 519070，China

Received:2008-10-09 Revised:2009-01-12 Online:2009-04-11 Published:2009-04-11
Contact: LI Jun

摘要/Abstract

摘要： 图像处理通常需要较大的计算量，其中图像去噪是经常使用的一种预处理算法，研究其快速算法具有重要意义。图形处理器具有强大的并行计算能力，但大部分时间处于闲置状态。统一计算设备架构提供了一种简单易用的开发环境，可利用图形处理器进行通用计算。提出了基于统一计算设备架构的快速图像去噪算法，可以利用GPU的计算能力，加快去噪过程，显著地减少计算时间。

关键词: 图形处理器, 图像去噪, 统一计算设备架构, 并行数据处理

Abstract: The huge computation load is necessary commonly for the image processing，the research on the fast algorithm of image denoising is very important for it is often used in the field.GPU（Graphic Processing Unit） is powerful for Data-Parallel Processing but it is idle for the most of time.CUDA（Compute Unified Device Architecture） is a simple and easy to use for the general purpose computation.A fast algorithm of image denoising is proposed based on the CUDA，it uses the power of GPU to accelerate the process of image denoising and reduce the time significantly.

Key words: Graphic Processing Unit（GPU）, image denoising, Compute Unified Device Architecture（CUDA）, data-parallel Processing

李军,李艳辉,陈双平. CUDA架构下的快速图像去噪[J]. 计算机工程与应用, 2009, 45(11): 183-185.

LI Jun,LI Yan-hui,CHEN Shuang-ping. Fast image denoising with CUDA[J]. Computer Engineering and Applications, 2009, 45(11): 183-185.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[6]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[7]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[8]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[9]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[10]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[11]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[12]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[13]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[14]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[15]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.

CUDA架构下的快速图像去噪

Fast image denoising with 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