双通道USB3.0高速图像传输与GPU并行图像处理技术研究.pdf

《双通道USB3.0高速图像传输与GPU并行图像处理技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、双通道USB3.0高速图像传输与GPU并行图像处理技术研究马晨2015年6月中图分类号：TP302UDC分类号：02双通道USB3.0高速图像传输与GPU并行图像处理技术研究作者姓名马晨学院名称光电学院指导教师魏平教授答辩委员会主席张智诠教授申请学位工程硕士学科专业光学工程学位授予单位北京理工大学论文答辩日期2015年6月ResearchofTwo-channelUSB3.0picturetransmissionandGPUaccelerationCandidateName：MaChenSchoolorDepartment:SchoolofOptoelectronicsFacultyMe

2、ntor:Prof.PingWeiChair,ThesisCommittee：Prof.ZhiquanZhangDegreeApplied:MasterofEngineeringMajor：OpticalEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：June，2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所

3、使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要随着科技的迅速发展，图像采集、传输技术的应用越来越广泛，并且向着高速，高清，多传感器方向发展。图像数据量越来越大，一般传输方式的速度已经越来越难以满足高分辨、多传感器所产生的数据量，传统CPU串行的图像处理方法，处理速度十分有限，当计算复杂度较高时，难以做到实时视频处理。本文研究基于双通道USB3.0高清CMOS图像传输系统，并使用最新的CUDA（ComputeUnifiedDeviceArchitecture，统一计算设备架构）语言对

4、图像进行实时的GPU（显卡）并行计算处理。使用FPGA驱动，利用高速USB3.0通道将两个高分辨率CMOS采集的数据同时传输给PC，并保证传输速度和图像完整性。探究嵌入MFC的Cvvimage和OpenCV2自建窗口实时显示图像的速度快慢。再利用GPU加速完成实时的图像处理和显示，为图像的传输和显示节省CPU空间，达到高清图像的实时高速传输、处理和显示的目的。同时固定变量，对比研究CPU串行计算和GPU并行计算，在使用中值滤波对图像进行处理时的速度快慢与优劣。最后针对整个系统进行试验，对图像的传输、显示和处理速度进行优化与分析。本设计重点研究了传输系统的原理及图像采集、显示以及GPU加速

5、图像处理部分的软件设计。完成了高清图像数据的实时传输与并行图像处理，为目标捕捉、高清实时监控方面的实际运用奠定基础。关键词：高速相机；USB3.0高速图像传输；GPU加速图像处理；中值滤波；I北京理工大学硕士学位论文AbstractWiththerapiddevelopmentoftechnology,imageacquisition,applicationdeliverytechnologyaremoreandmorewidelyused,andit'sbeinginthedirectionofhigh-speed,high-definitionandmulti-sensor.Thea

6、mountofimagedataisgettingbigerandbiger,thegeneralrateoftransmissiondoesn'tmeetthematchingofdatasizewhichhassomethingtodowiththehigh-resolution,multi-sensor.TraditionalimageprocessingmethodwiththeCPUserialdoesn'tdoitwellinthefieldofprocessingspeed,itisdifficulttoachievethegoalofvideoprocessinginti

7、meinthefieldofsystemwithhighercomputationalcomplexity.Inthispaper,wediscusstheCMOSimagetransmissionsystembasedondual-channelUSB3.0,andweusethelatestCUDAlanguagetosolvereal-timeimageprocessingwiththeparallelcomputingGPU