基于GPU加速的实时视频超分辨率重建

计算机应用 ›› 2013, Vol. 33 ›› Issue (12): 3540-3543.

基于GPU加速的实时视频超分辨率重建

陈湘骥¹,²,韩国强¹,张芝源²

1. 华南理工大学计算机科学与工程学院，广州 510006
2. 华南农业大学信息学院，广州 510642；

收稿日期:2013-06-13 修回日期:2013-08-16 发布日期:2013-12-31 出版日期:2013-12-01
通讯作者: 陈湘骥
作者简介: 陈湘骥(1976-),男,广西桂林人,讲师,博士研究生,CCF会员,主要研究方向:图像与视频恢复及超分辨率重建;
韩国强(1962-), 男,江西临川人,教授,博士,主要研究方向:多媒体、图形图像处理、数字家庭;
张芝源(1992-),男,广东惠州人,主要研究方向:视频超分辨率重建。
基金资助:
国家自然科学基金资助项目;国家自然科学广东联合基金项目;广东省工业科技计划项目

Real-time video super-resolution restruction based on GPU acceleration

CHEN Xiangji¹,²,HAN Guoqiang²,ZHANG Zhiyuan¹

1. College of Information, South China Agricultural University, Guangzhou Guangdong 510642, China
2. School of Computer Science and Engineering, South China University of Technology, Guangzhou Guangdong 510006, China

Received:2013-06-13 Revised:2013-08-16 Online:2013-12-31 Published:2013-12-01
Contact: CHEN Xiangji

摘要/Abstract

摘要： 基于稀疏表示的超分辨率算法的图像重建质量好,但算法复杂,现有的CPU串行执行算法无法满足视频实时处理的需要。为此提出了基于GPU加速的稀疏表示的实时视频超分辨率算法。该算法着重于优化数据并行处理流程，提高GPU资源利用率,通过设置视频帧队列、提高显存访问并发率、采用主成分分析(PCA)降维、优化字典查找等手段,使算法执行速度比现有CPU串行算法提高了2个数量级,在显示分辨率为669×546的视频回放测试中达到每秒33帧。

关键词: 视频, 实时, 超分辨率, 稀疏表示, 通用计算图形处理器

Abstract: The methods of image super-resolution via sparse representation achieve good quality image reconstruction, but the CPU-based implementation of the methods hardly satisfies the requirement of real-time video super-resolution because of high computational complexity. Then, the method of real-time video super-resolution via sparse representation based on GPU acceleration was proposed. It focused on optimizing data parallel processing and improving resource utilization of GPU, including utilizing queues for video sequences, improving memory concurrent access rates, employing Principal Component Analysis (PCA) dimensionality reduction and optimizing dictionary querying operation. As a result, compared with the CPU-based implementation, the speed of data processing is increased two orders of magnitude, and the speed of playing a video with the size of 669×546 reaches 33 frames per second.

Key words: video, real-time, Super-Resolution (SR), sparse representation, General Purpose Graphic Processing Unit (GPGPU)

中图分类号:

TP391

陈湘骥韩国强张芝源. 基于GPU加速的实时视频超分辨率重建[J]. 计算机应用, 2013, 33(12): 3540-3543.

CHEN Xiangji HAN Guoqiang ZHANG Zhiyuan. Real-time video super-resolution restruction based on GPU acceleration[J]. Journal of Computer Applications, 2013, 33(12): 3540-3543.

[1]	李云, 王富铕, 井佩光, 王粟, 肖澳. 基于不确定度感知的帧关联短视频事件检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2903-2910.
[2]	刘禹含, 吉根林, 张红苹. 基于骨架图与混合注意力的视频行人异常检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2551-2557.
[3]	徐松, 张文博, 王一帆. 基于时空信息的轻量视频显著性目标检测网络[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2192-2199.
[4]	吴筝, 程志友, 汪真天, 汪传建, 王胜, 许辉. 基于深度学习的患者麻醉复苏过程中的头部运动幅度分类方法[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2258-2263.
[5]	邓亚平, 李迎江. YOLO算法及其在自动驾驶场景中目标检测综述[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1949-1958.
[6]	郭琳, 刘坤虎, 马晨阳, 来佑雪, 徐映芬. 基于感受野扩展残差注意力网络的图像超分辨率重建[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1579-1587.
[7]	宋霄罡, 张冬冬, 张鹏飞, 梁莉, 黑新宏. 面向复杂施工环境的实时目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1605-1612.
[8]	刘子涵, 周登文, 刘玉铠. 基于全局依赖Transformer的图像超分辨率网络[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1588-1596.
[9]	刘扬, 刘蓉, 方可, 张心月, 王光旭. 基于帧间跨越光流的视频超分辨率重建网络[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1277-1284.
[10]	李俊杰, 望育梅, 李志军, 刘雨. 全景视频基于块的视口自适应传输方案综述[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 536-547.
[11]	熊炜, 陈奕博, 张丽真, 杨茜, 邹勤. 利用多帧序列影像的自监督单目深度估计[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3907-3914.
[12]	郑秋梅, 牛薇薇, 王风华, 赵丹. 基于细节增强的双分支实时语义分割网络[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3058-3066.
[13]	陈豪, 夏振平, 程成, 林李兴, 张博文. 基于Transformer-CNN的轻量级图像超分辨率重建网络[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 292-299.
[14]	王朱佳, 余宙, 俞俊, 范建平. 基于多尺度时空Transformer的视频动态场景图生成模型[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 47-57.
[15]	朱俊宏, 赖俊宇, 甘炼强, 陈智勇, 刘华烁, 徐国尧. 结合内卷与卷积算子的视频预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 113-122.