1、近年來，由于成像技術(shù)的不斷進(jìn)步，數(shù)字圖像包含的數(shù)據(jù)量與日俱增。在處理大規(guī)模圖像時(shí)，串行算法由于處理速度較慢，難以滿足實(shí)時(shí)性的要求。GPU（GraphicProcessUnit）具有計(jì)算單元眾多等優(yōu)點(diǎn)，在處理速度方面與CPU相比顯示出了巨大的優(yōu)勢(shì)。本文主要就GPU并行計(jì)算進(jìn)行了研究，對(duì)幾種比較耗時(shí)的典型的圖像處理算法進(jìn)行了GPU加速研究。本文的主要研究工作闡述如下：
　　由于非局部均值去噪算法對(duì)圖像進(jìn)行去噪處理速度較慢，本文對(duì)非局部

2、均值去噪算法的步驟和計(jì)算復(fù)雜度進(jìn)行分析并得出如下結(jié)論：該算法中計(jì)算像素點(diǎn)之間權(quán)值的步驟是一個(gè)迭代的過程，該步驟計(jì)算復(fù)雜度較大且屬于簡(jiǎn)單的規(guī)則運(yùn)算。文中設(shè)計(jì)了相關(guān)的并行策略，在GPU內(nèi)并行的計(jì)算每個(gè)像素的估計(jì)值。實(shí)驗(yàn)結(jié)果表明，并行算法在維持串行算法性能的基礎(chǔ)上，顯著的提高了對(duì)圖像的處理速度。
　　PPB(ProbabilisticPatch-Based)去噪算法在對(duì)SAR圖像進(jìn)行去噪時(shí)體現(xiàn)出了良好性能，但是由于計(jì)算復(fù)雜度較大因而在處

3、理速度方面具有局限性。本文通過對(duì)串行的PPB算法進(jìn)行分析，將該算法中較為耗時(shí)的計(jì)算像素點(diǎn)之間權(quán)值的部分步驟進(jìn)行并行，將不能并行的步驟在CPU端執(zhí)行，在CPU和GPU之間交替執(zhí)行運(yùn)算并對(duì)GPU內(nèi)部數(shù)據(jù)傳輸和計(jì)算的時(shí)間進(jìn)行定量研究。實(shí)驗(yàn)表明，本文提出的并行PPB去噪算法在對(duì)大規(guī)模SAR圖像進(jìn)行去噪處理時(shí)，在處理速度方面顯示出較大的優(yōu)勢(shì)。
　　最后，針對(duì)傳統(tǒng)的特征選擇方法對(duì)圖像進(jìn)行分類處理時(shí)難以取得較好特征子集的問題，本文提出了一種新的