基于通用可编程GPU的视频编解码器——架构、算法与实现

《基于通用可编程GPU的视频编解码器——架构、算法与实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、浙江大学硕士学位论文基于通用可编程GPU的视频编解码器——架构、算法与实现姓名：房波申请学位级别：硕士专业：通信与信息系统指导教师：陈惠芳20050101Y689037浙江人学硕十学位论文摘要随着数字电视和网络技术的发展，以PC为核心的数字家庭娱乐方式，逐渐成为一种主流趋势。如何在现有的PC系统上，在不升级硬件的前提下，廉价而方便的实现对高清晰度视频的实时编解码，引起了研究者们的广泛关注。可编程GPU(GraphicsProcessingUnit)的出现，为解决上述问题提供了一条可能的途径。作为显卡的核心处理器，GPU传统

2、上只负责3D绘制等图形渲染工作，然而研究者们发现，利用其可编程性，可以让GPU完成一些3D渲染以外的工作。基于GPU的通用科学计算迅速成为了研究热点。然而，将可编程GPU应用于视频编解码领域的研究却还很少见。本文利用GPU的可编程3D引擎，提出了将GPU作为协处理器以加速视频编解码的技术方案。为了充分发挥GPU的计算能力，本文提出了CPU+GPU的并行编解码器架构，并在此基础上，设计了一系列适合于GPU实现的编解码算法。实验证明，本文提出的架构、算法和实现方案，相对于传统编解码器.可以在不升级硬件的情况下，大大提高高清晰度

3、视频流编解码的速度。本文首先简要介绍了高清晰度视频技术的发展和可编程GPU的工作原理。第三章详细介绍本文实现的基于GPU的MPEG2编码器。具体分析了其独特的并行架构，创新的适合于GPU实现的ATSMVP,那SAD和ZB-LMES算法，以及双线程的结构。同时还基于编码速度和编码信噪比，分析比较了本文编码器和传统编码器的性能。第四章详细介绍基于GPU的MPEG2解码器。具体阐述了本文所提出的分级的并行解码器架构，独创的反量化、IDCT和运动补偿的多通道算法，以及GPU和CPU之间的负载均衡算法。同时，也比较了本文解码器和传统

4、解码器的性能。通过实验的对比和仔细的分析，我们可以得出结论:对于高清晰度视频，建构十CPU+GPU之上的并行编解码器，比经过充分优化的基于传统架构的编解码器，具有更高的编解码速度，而同时保持了编解码增益。关键词:并行架构，3D流水线，深度测试，MPEG2,ME,IDCT,GPU,PixelShader浙江大学硕士学位论文ABSTRACTWiththedevelopmentofdigitalTVandnetworks,commodityPCcenteredamusementfashionfordigitalhomebecom

5、esamainstreamtrend.Howtoimplementlowcostreal-timeencoding-decodingforhighdefinitionvideounderexistingPCsystemwithoutupgradinghardware,hascomeintoanumberofresearchists'notice.TheappearanceofprogrammableGPU(GraphicsProcessingUnit)providesapossibleapproachforsolvingt

6、heaboveproblem.Asthecoreprocessorofgraphicscard,GPUistraditionallyinchargeof3Drendering.While,researchersdiscoverGPUcantakeonsomeothertasksbesidesgraphicsrenderingbecauseofitsprogrammableability.GeneralscientificcalculationforGPUhasbecomeoneofhotspotsrapidlyincomp

7、utersciencefield.However,thestudyonapplyingGPUinvideocodingsystemisstillveryraresofar.ThisthesispresentsaschemethatusesGPUasanefectco-processorforacceleratingvideoencoding-decoding.ForfullyutilizingthepowerfulcalculationcapacityofGPU,wedevelopaparallelarchitecture

8、forcodecbasedonGPU+CPUsystem.WealsoadvanceaseriesofvideocodingalgorithmsthatarefitforGPU.Theresultsofexperimentsshowourschemecanimprovetheencoding-decod