H.264视频编码算法的并行优化

论文摘要

现有的视频编码标准均采用基于宏块的编码模式,算法中所引入的运动估计机制虽然带来了更高的压缩比,但却因其庞大的计算量而占据了绝大部分的编码时间。为了提高编码速度,人们一直在两个方向上不断努力：一是研究新的运动估计算法,二是现有算法进行并行化。本文重点研究了H.264运动估计的并行优化问题。本文主要从CPU和GPU两方面阐述了H.264编码的并行优化方法。在基于CPU的并行优化方面,论文重点阐述了基于Intel CPU中的SSE指令的并行优化；在基于GPU优化方面,论文介绍了GPU的发展历史及其并行结构,CUDA程序的架构及工作原理。在此基础上,论文分析了H.264标准中各类运动估计算法的特点,得出了全搜索算法具有最大的并行化潜力的结论,并提出了基于搜索位置的并行全搜索算法。根据所提出的并行优化算法,本文分别使用基于SSE以及基于CUDA的方法对运动估计模块进行了并行化实现。测试结果表明：在Intel E5400的CPU及Geforce GT240的GPU上分别采用SSE和CUDA对运动估计算法进行优化,分别获得了2倍和8倍左右的性能提升。采用CUDA优化后还可使H.264的总体编码速度提高2倍以上。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 本文结构安排
• 第二章 SSE与CUDA并行架构
• 2.1 基于SSE的SIMD架构
• 2.2 GPU发展简史
• 2.2.1 硬件T&L与固定流水线
• 2.2.2 Shader与可编程流水线
• 2.2.3 统一流处理器
• 2.2.4 GPU架构的天然并行性
• 2.3 CUDA简介
• 2.3.1 CUDA硬件层级
• 2.3.2 CUDA逻辑层级
• 2.3.3 CUDA的限制与优化
• 2.3.4 CUDA的语法规范
• 第三章 H.264编码算法分析
• 3.1 H.264编码流程概览
• 3.1.1 基于分块的视频编码
• 3.1.2 H.264的运动估计
• 3.2 各类运动估计算法的比较
• 3.2.1 全搜索以及快速全搜索
• 3.2.2 快速运动估计算法
• 3.3 各层次的并行可行性
• 3.4 并行运动估计算法的缺陷
• 第四章 基于CUDA的H.264并行编码优化
• 4.1 并行全搜索
• 4.1.1 基于SSE的优化
• 4.1.2 基于CUDA的优化
• 4.1.3 优化结果
• 4.2 JM参考模型分析
• 4.2.1 JM参考模型简介
• 4.2.2 JM中的几个重要参数
• 4.3 P帧与B帧的并行优化
• 4.3.1 SAD运算的并行化
• 4.3.2 Shared Memory优化
• 4.3.3 IO优化
• 4.3.4 B帧编码的并行优化
• 4.4 实验结果
• 4.4.1 实验环境
• 4.4.2 数据有效性
• 4.4.3 编码速度对比
• 第五章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文