采用GPU加速的压缩感知图像恢复算法

苗壮; 隋冬; 李棚艳; 柯钧

Chinese

您当前的位置：

首页 >

文章列表页 >

采用GPU加速的压缩感知图像恢复算法

更新时间：2026-09-04

- 采用GPU加速的压缩感知图像恢复算法
- Accelerate Compression Sensing Reconstruction Algorithms Using GPU
- 微电子学与计算机 2016年33卷第12期页码：125-129
- 作者机构：
  
  1. 昆明物理研究所机构微光夜视技术重点实验室,陕西,西安,710000
  2. 北京理工大学光电学院,北京,100081
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61307200国防科技重点实验室基金 9140C380503140C38177
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
苗壮, 隋冬, 李棚艳, 柯钧. 采用GPU加速的压缩感知图像恢复算法[J]. 微电子学与计算机, 2016, 33(12): 125-129.

MIAO Zhuang, SUI Dong, LI Peng-yan, et al. Accelerate Compression Sensing Reconstruction Algorithms Using GPU[J]. 2016, 33(12): 125-129.
苗壮, 隋冬, 李棚艳, 柯钧. 采用GPU加速的压缩感知图像恢复算法[J]. 微电子学与计算机, 2016, 33(12): 125-129. DOI：

MIAO Zhuang, SUI Dong, LI Peng-yan, et al. Accelerate Compression Sensing Reconstruction Algorithms Using GPU[J]. 2016, 33(12): 125-129. DOI：

摘要

压缩感知(Compressed Sensing

CS)的信号重构部分需要进行大数据量的计算

然而传统的CPU对大量的矢量计算并没有优势.为了解决这一问题

我们以CUDA作为并行计算架构

通过GPU-CPU并行编程技术

实现了三种快速高效的压缩感知图像恢复算法

包括正交匹配追踪OMP算法、两步阈值迭代TwIST算法和线性Bregman算法.

Abstract

The signal reconstruction in compressive sensing (CS) requires a large amount of data processing. However the traditional CPU has no advantage on vector calculation. To deal with this issue

we design a parallel computing architecture using CUDA. Based on GPU-CPU parallel programming technology

and we realize three fast and efficient CS image reconstruction algorithms

including OMP

TwIST

and linear Bregman algorithm.

关键词

Keywords

references

Donoho D. Compressed sensing[J]. IEEE Trans Inf Theory, 2006, 52(4): 1289-1306. DOI: 1289

Richard G, Baraniuk. Compressive sensing[J]. IEEE Signal Processing Magazine, 2007, 24(4): 118-224. DOI: 118

Bioucas-Dias J, Figueiredo M. A new TwIST: Two-step iterative shrinkage/thresholding algorithms for image restoration[J]. IEEE Trans Image Process, 2007, 16(12): 2992-3004. DOI: 2992

石光明, 刘丹华, 高大化, 等. 王良君压缩感知理论及其研究进展[J]. ACTA Electronica Sinica, 2009, 37(5): 1070-1081. DOI: 1070

StanleyOsher, Yu Mao, Bin Dong, et al. Fast linearized Bregman iteration for compressive sensing and sparse denoising[J]. Commun Math Sci, 2010, 8(1): 93-111. DOI: 93

Wotao Yin, Stanley Osher, Donald Goldfarb, aet al. Bregman iterative algorithms for l1-minimization with applications to compressed sensing[J]. SIAM J Imaging Sci, 2008, 1(1): 143-168. DOI: 143

Tropp J A, Gilbert A C. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Transactions on Information Theory 2007, 53(12): 4655-4666. DOI: 4655

张锐. 基于压缩感知理论的图像压缩初步研究[J]. 电脑知识与技术, 2010, 6(4): 958-959. DOI: 958

Owens J D, Houston M, Luebke D. GPU computing[J]. proceedings of the IEEE, 2008, 96(5): 879-899. DOI: 879

Nvidia Corporation. Nvidia cuda c best practice guide[R]. 2014.

Nvidia C. Cublas library. NVIDIA Corporation[R]. Santa Clara, California, 2008.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区块链的AI生成内容溯源框架设计研究

面向处理器分支预测单元的Spectre攻击轻量化防御方法

超低功耗实时时钟电路的设计

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

注意力机制与改进密集卷积引导的信息隐藏模型