[發明專利]基于并行運算的非下采樣輪廓波變換優化方法

有效

• 申請號: 201810560673.0
• 申請日: 2018-06-04
• 公開（公告）號: CN108897616B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 滕奇志;張耀;王潤涵;何小海;卿粼波;熊淑華
• 申請（專利權）人: 四川大學
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F8/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于并行運算的非下采樣輪廓波變換優化方法，其特征在于：包括以下步驟：

(1)將NSCT算法的matlab源碼通過matlab2cpp工具，使用Armadillo庫和OpenBLAS庫，工具翻譯轉換為C++代碼；

(2)對步驟(1)中使用工具翻譯轉換得到的C++代碼進行人工修正，包括計算精度的修正；

(3)將已有的GPU按照計算能力大小排序，選取計算能力最強的兩個GPU，用來執行在多尺度分解步驟中，同低通塔式濾波器H₀(z)和帶通塔式濾波器H₁(z)的卷積，同時也用來執行在第1、2級方向分解步驟中，同方向濾波器組的U₀(z)和U₁(z)的卷積；在執行第3級及更高級方向分解時，比較計算能力最強的GPU的計算能力值與其他GPU計算能力和總任務數減1的乘積結果，并與CPU核數比較，確定開啟的GPU，并按照已開啟的GPU計算能力比例，確定分配給各GPU的任務數；

(4)使用OpenMP和CUDA并行執行NSCT分解過程：將圖像數據移動至多個GPU，該步驟使用OpenMP并行實現；對于多尺度分解步驟，圖像數據要分別與低通塔式濾波器和帶通塔式濾波器進行卷積，使用OpenMP進行CPU并行控制多個GPU并行完成與對應濾波器的卷積運算；對于多方向分解步驟，圖像數據要分別與非下采樣方向濾波器組進行卷積，使用OpenMP進行CPU并行控制多個GPU并行完成與對應濾波器的卷積運算；對于圖像數據與濾波器進行卷積運算時，使用CUDA并行執行卷積運算；對于計算結果回存時，通過OpenMP并行處理將不同GPU的計算結果返回至CPU；

(5)使用OpenMP和CUDA并行執行NSCT重構過程：由于重構過程和分解過程是相互逆過程，并行執行過程同步驟(5)。

2.根據權利要求1所述的基于并行運算的非下采樣輪廓波變換優化方法，其特征在于：

所述步驟(3)中：

若執行3級及更高級方向分解：

首先確定啟用GPU數量：按照計算能力排序的GPU隊列；假設啟用GPU數量為1，只開啟計算能力最強的GPU，即隊列中0號GPU，依次用1號，2號，3號……GPU的計算能力與總任務數減1得到的定值進行乘積，結果和0號GPU計算能力值比較；若小于0號GPU計算能力值，則不開啟該GPU；若大于0號GPU計算能力值，則開啟該GPU；接著將已開啟的GPU數量與CPU核數比較，如果已開啟GPU數量大于CPU核數，則只開啟同CPU核數相等數量的GPU；

分配給已開啟GPU任務數：將已開啟的GPU的隊列末尾的GPU的計算能力設為1，按比例設置各個GPU的計算能力數值，若出現小數的數值則進行上取整；此時的GPU隊列中各個GPU計算能力數值為整數，且最末的GPU計算能力為1；將任務數按照隊列中各個GPU計算能力比例分配給各個GPU，若出現小數則下取整，若出現分配的任務總數小于實際任務數，則0號GPU任務數加1，直至分配的任務總數等于實際任務總數；若出現分配的任務總數大于實際任務數，則從末至前依次將GPU的任務數減至1，直至分配的任務總數等于實際任務總數。

3.根據權利要求1所述的基于并行運算的非下采樣輪廓波變換優化方法，其特征在于：

所述步驟(4)～(5)中：

使用OpenMP并行時，將分解時所發生的數據移動至顯存、計算結果回存的過程分別分配到CPU并行區域的多組線程上；

使用CUDA并行時，若圖像的像素行數大于GPU的每線程塊最大線程數maxThreadsPerBlock，則將圖像橫向分塊，使每個圖塊的像素行數不超過maxThreadsPerBlock；串行遍歷所有圖塊，對于每個圖塊都按照以下方式進行卷積計算：將每個的圖塊或者原始圖像的每一列都傳入至GPU的一個線程塊中，并且這一列中的每個像素點都傳入該線程塊中的不同線程中進行卷積計算。