本文關(guān)鍵詞：基于GPU的H.264視頻編碼實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,視頻應(yīng)用越來越普及,并且隨著處理性能、顯示設(shè)備和網(wǎng)絡(luò)性能的提升,大分辨率視頻(如高清視頻、超高清視頻)逐漸成為視頻業(yè)務(wù)的主流。隨著圖像尺寸的增加,為了追求更高的視頻壓縮性能,視頻壓縮算法的復(fù)雜度也日益增長。從H.264到現(xiàn)在的HEVC標(biāo)準(zhǔn),視頻壓縮的復(fù)雜度也成倍增長,在現(xiàn)有的處理平臺上已經(jīng)很難滿足高清/超高清視頻圖像的實(shí)時編碼,這制約了高清視頻業(yè)務(wù)的發(fā)展。因此,研究高分辨率視頻圖像的快速編碼技術(shù)成為視頻編碼領(lǐng)域的一個研究熱點(diǎn)。另一方面,隨著GPU的高速發(fā)展,利用GPU進(jìn)行并行計算優(yōu)化具有研發(fā)成本低、編程靈活、并行處理能力強(qiáng)等優(yōu)點(diǎn)而成為一種通行做法。因此,研究基于GPU平臺的快速視頻編碼技術(shù)具有很大的市場應(yīng)用前景。 本文選擇目前視頻壓縮標(biāo)準(zhǔn)中主流的H.264編碼器作為優(yōu)化對象,研究其在GPU平臺上的并行優(yōu)化問題,以提高高清視頻圖像的編碼速度。本文取得的主要成果有： 1.本文設(shè)計和改進(jìn)了H.264編碼器的GPU+CPU異構(gòu)的編程模式。該模式可以有效的降低數(shù)據(jù)在GPU和CPU之間傳輸次數(shù),提高系統(tǒng)的運(yùn)行效率。 2.本文改進(jìn)并實(shí)現(xiàn)了一種基于GPU平臺的H.264幀內(nèi)編碼并行計算結(jié)構(gòu)。該結(jié)構(gòu)可以降低預(yù)測編碼的數(shù)據(jù)程度,提高了幀內(nèi)編碼計算的并行化程度。 3.本文改進(jìn)和實(shí)現(xiàn)了熵編碼的并行計算結(jié)構(gòu)。該算法充分利用GPU的存儲和線程特性,對亮度直流分量和交流分量、色度直流分量和交流分量進(jìn)行并行處理,提高熵編碼的效率。 實(shí)驗結(jié)果表明本文實(shí)現(xiàn)的編碼器比CPU下算法加速的x264編碼器速度提升4-5倍,大幅提高了高清視頻圖像的編碼速度。
【關(guān)鍵詞】：H.264 GPU CUDA 幀內(nèi)預(yù)測編碼 熵編碼
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN919.81
【目錄】：

• 摘要4-5
• abstract5-10
• 第一章 緒論10-16
• 1.1 研究背景和意義10-13
• 1.2 基于GPU的H.264視頻編碼并行優(yōu)化研究現(xiàn)狀13-14
• 1.3 論文研究的主要內(nèi)容14
• 1.4 論文章節(jié)安排14-16
• 第二章 H.264視頻編碼原理及CUDA架構(gòu)16-33
• 2.1 H.264視頻編碼原理16-25
• 2.1.1 幀內(nèi)預(yù)測編碼17-20
• 2.1.2 幀間預(yù)測編碼20-21
• 2.1.3 DCT變換與量化21-23
• 2.1.4 熵編碼23-25
• 2.2 CUDA架構(gòu)25-32
• 2.2.1 GPGPU概述25
• 2.2.2 CUDA簡介25
• 2.2.3 CUDA硬件模型25-27
• 2.2.4 CUDA編程模型27-29
• 2.2.5 CUDA存儲器模型29-31
• 2.2.6 基于CUDA的H.264并行優(yōu)化31-32
• 2.3 本章小結(jié)32-33
• 第三章 基于CUDA平臺的H.264視頻編碼結(jié)構(gòu)并行優(yōu)化33-52
• 3.1 H.264視頻編碼的CPU+GPU混合編程結(jié)構(gòu)33
• 3.2 幀內(nèi)預(yù)測算法的GPU并行優(yōu)化33-45
• 3.2.1 幀內(nèi)預(yù)測算法數(shù)據(jù)相關(guān)性分析33-35
• 3.2.2 幀內(nèi)預(yù)測并行算法——行波流水方法的設(shè)計與實(shí)現(xiàn)35-42
• 3.2.3 幀內(nèi)預(yù)測并行算法——整幀圖像并行的方法設(shè)計與實(shí)現(xiàn)42-44
• 3.2.4 兩種并行算法的對比44-45
• 3.3 熵編碼過程的并行化45-50
• 3.3.1 CAVLC熵編碼過程中的數(shù)據(jù)相關(guān)性分析45-47
• 3.3.2 CAVLC熵編碼并行化模型47-49
• 3.3.3 CAVLC熵編碼碼流合并的并行化實(shí)現(xiàn)49-50
• 3.4 本章小結(jié)50-52
• 第四章 H.264并行算法的程序優(yōu)化52-56
• 4.1 CUDA程序優(yōu)化概述52-53
• 4.1.1 內(nèi)存密集型52
• 4.1.2 指令密集型52-53
• 4.1.3 延遲密集型53
• 4.2 CUDA程序性能分析53-55
• 4.2.1 CUDA profiler的使用53-54
• 4.2.2 基于CUDA的編碼器的程序性能分析與優(yōu)化54-55
• 4.3 本章小結(jié)55-56
• 第五章 實(shí)驗結(jié)果及分析56-62
• 5.1 本文的軟硬件環(huán)境以及視頻序列信息56-57
• 5.2 評價指標(biāo)57-58
• 5.3 基于CUDA的H.264視頻編碼器各個模塊的性能分析58-60
• 5.3.1 幀內(nèi)預(yù)測模塊并行性能58-59
• 5.3.2 熵編碼模塊并行性能59-60
• 5.4 基于CUDA的H.264視頻編碼器的整體性能60-61
• 5.5 本章小結(jié)61-62
• 第六章 總結(jié)與展望62-64
• 參考文獻(xiàn)64-67
• 致謝67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 錢悅;;圖形處理器CUDA編程模型的應(yīng)用研究[J];計算機(jī)與數(shù)字工程;2008年12期

2 李東江;唐義平;;H.264中CAVLC的分析與實(shí)現(xiàn)[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2008年01期

3 張志濤;梁光明;陳明生;劉東華;王立松;;基于紋理特征的H.264幀內(nèi)預(yù)測快速算法[J];中國圖象圖形學(xué)報;2011年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 任巨;基于流計算模型的視頻編碼關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

  本文關(guān)鍵詞：基于GPU的H.264視頻編碼實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：422922