GPU Acceleration of Advanced Image Denoising

Abstract

BM3D (Block-Matching and 3D Filtering) je jedna z nejlepších metod na odšumování obrázků. Efektivní implementace této metody jsou existují, nicméně jsou časově náročné. Na běžných stolních počítačích může odšumění obrázků s vysokým rozlišením trvat i několik minut. Hlavním cílem této práce je navrhnout implementaci metody BM3D, která bude využívat surové výpočetní síly GPU. GPU nabízí mnohem více výpočetních jader než CPU, nicméně, kvůli specifickému výpočetnímu a paměťovému modelu, algoritmy pro GPU se od algoritmů pro CPU velmi liší. Proto tato práce prezentuje jak základní aspekty programování pro GPU, tak BM3D metodu jako takovou. Navržená implementace je pak experimentálně zhodnocena oproti těm současným. Powered by TCPDF (www.tcpdf.org)

BM3D (Block-Matching and 3D Filtering) is one of the state-of-art image denoising methods. Efficient implementations of this method exist for the CPU; however, these implementations are time demanding. On common desktop computers, denoising of high-resolution images can reach several minutes. The main objective of this thesis is to design an implementation of the BM3D method that utilize raw computational power of the GPU. GPU offers significantly more computational cores than the CPU; however, due to the specific execution and memory model, algorithms for the GPU are very different from algorithms for the CPU. Therefore, this thesis presents both: the basic aspects of the GPU computing and the BM3D method itself. Last but not least, the final implementation is empirically evaluated against the existing implementations by a set of performance tests. Powered by TCPDF (www.tcpdf.org)