基于GPU的声纳图像去噪方法研究.pdf

摘要

随着人们对海洋资源与开发的日益重视，成像声纳不断发展，包含的数据量

急剧增加，同时由于水下环境的错综复杂导致声纳图像受到多种不同类型复杂严

重的噪声影响，优秀的声纳图像去噪算法计算复杂、耗时长，难以满足应用场合

的实时性要求。而GPU具有大量计算单元，在大规模数据计算、处理速度等方面

的性能大大超过CPU，表现出巨大的优势和潜力，利用GPU来进行声纳图像去噪

并行加速研究，具备良好的可行性和工程应用价值，可以极大地提高运行效率，

保证实时性。

本文基于水域水体环境变化缓慢、噪声源相对固定的特性，选择电子科技大

学东湖、四川眉山黑龙滩水库两个水域作为试验场，根据海洋环境噪声测量原理

搭建试验平台，开展水域的噪声特性采集试验，基于采集的数据建立得到不同的

高斯分布噪声模型。然后在ComsolMultiphysics中分别将模型作为背景声场输入，

仿真建模获得回波数据，在此基础上采用波束形成成像方法进行回波成像仿真，

从而得到两个水域噪声影响下的回波图像，其表现为明显的斑点噪声，严重干扰

图像质量。之后对声纳图像去噪算法进行详细地分析，选择引导滤波、K-SVD字

典学习以及非局部均值三种图像去噪方法作为研究对象，研究其对在选定的水域

影响下的声纳图像的去噪效果及性能，并开展仿真实验，结合PSNR、FSIM等评

价指标和本文的实时性目标综合评估算法性能。最后针对引导滤波运算速度快但

效果差、K-SVD速度慢但效果较好以及非局部均值效率极差但效果优秀的不同情

况，从实际应用中的实时性角度出发，以NVIDIAGeForceGTX1080Ti为平台，

基于CUDA实现声纳图像去噪算法的并行加速。通过将算法中计算量大且耗时长

的基础运算模块分解出来，对矩阵乘法和矩阵求逆两种基本运算进行并行优化，

进而实现对三种声纳图像去噪算法的并行性分析与仿真。

通过仿真实验发现，几种算法在CPU和GPU上的效果相同，仅在运行效率

上存在差异。矩阵相乘与矩阵求逆这两种基本运算的加速效果与数据规模相关，

在数据规模较小时加速效果不明显，在2048*2048这种规模下加速比可以达到300

多乃至400多倍。针对210*210的声纳图像，引导滤波加速比较小，但运行时间

仍表现最优；K-SVD字典学习加速比达到10多倍，运行效率获得较好地提升；非

局部均值加速比可以达到15倍多，极大地提升了运行效率。

关键词：噪声建模，声纳图像去噪，GPU，并行计算

ABSTRACT

Withtheincreasingattentiontomarineresourcesanddevelopment,imagingsonardeveloped

andtheamountofdataincludedincreaseddramatically.Atthesametime,duetothecomplexityof

underwaterenvironment,sonarimagesareseriouslyaffectedbymanykindsofcomplexandserious

noises.Excellentsonarimagedenoisingalgorithmisusuallycomplexandtime-consuming,whichis

difficulttomeetthereal-timerequirementsofapplications.TheGPUhasalargenumberof

computingunits,andtheperformanceinlarge-scaledatacomputing,processingspeedandother

aspectsgreatlyexceedstheCPU,andshowsgreatadvantagesandpotential.UsingGPUtoconduct

sonarimagedenoisingparallelaccelerationresearchhasgoodfeasibi