文献综述
1.研究背景
近二十年来,合成孔径雷达(SAR)技术取得了长足的发展。进入21世纪后,伴随着一系列合成孔径雷达(SAR)卫星的升空,SAR卫星应用进入了一个新的阶段。SAR成像之后生成的复图像除了传统图像的灰度值（即地表微波反射强度）以外，还包含与斜距(一般取样到垂直于平台飞行方向的斜距上)有关的相位值。所以复图像所包含的图像信息可以用一个复数即a b*i进行表示，复数的模为振幅(对应灰度信息)，相位值代表了相位信息。振幅越大，表示地表反射强度越大。由于SAR主动发射电磁波,并且发射的电磁波能够穿透云层,因此可以为我们提供全天时、全天候的信息。但是SAR侧视成像和相干成像的特点,决定了图像几何失真较大并且包含有大量被称为相干斑的乘性噪声,这使得传统的图像处理技术很难应用。为了提高图像质量，研究人员提出了很多高性能的图像处理算法，但不可否认的是，高性能的算法往往意味着计算量庞大、时间复杂度高。随着 GPU 与 CUDA 的发展，通用并行计算在图像处理领域受到越来越多的重视，研究人员希望提出新的算法或者在原有算法基础上改造，以适应 GPU 平台的高度并行性，以此实现图像处理的加速。
2.基于GPU的CUDA运算平台
GPU(Graphic Processor Unit)，即图形处理器,是多线程处理器的一种。近年来，以NVIDIA Tesla为代表的异构芯片（协处理器）逐渐被引入到通用计算领域中。最初的图形处理(GraphicProcessing Unit, GPU)就是用来处理大规模的并行计算，并且GPU的并行处理能力在不断的上升。GPU将更多的晶体管用于执行单元，而非像CPU那样用作复杂的数据cache和指令控制。由于GPU具有超强的浮点计算能力，除了在传统领域的应用以外，GPU越来越多地应用在科学计算领域上，并且逐渐进入高性能计算的主流。
同样作为处理单元，GPU与CPU的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异。CPU的核心有足够大的缓存和足够多的数字和逻辑运算单元，每个核心都拥有极高的工作频率，擅长串行及复杂指令的运算。而一个GPU内有许多流处理器簇，GPU则通过数量众多的流处理器实现大量线程并行，使同时走一条指令的数据变多，从而提高数据的吞吐量，因而很多并行、大规模单一指令的操作通常由GPU完成。因而同样价位的GPU的计算数据吞吐量甚至是CPU的数十倍[1]。
图1 CPU与GPU核心架构
目前，很多图像处理中，如实时人物抠像、图像识别、图像检索等，对图像的要求越来越高，如720P、1080P图像的处理，在CPU平台上已无法实现这些高清图像的实时处理，严重滞后于应用的需求，而采用GPU可以相对CPU提高数十倍的性能，快速实现高清图像的实时处理，给图像处理带来了新的方法，也使实时处理成为可能[2]。
采用CPU GPU架构可以获取以下的好处：
1）速度快，采用GPU可以获得CPU的数十倍数百倍的性能，可以实时处理高清图像；
2）成本低，在普通PC机器上插上一块1000多元的Geforce GPU卡即可获得数万元、数十万元高端服务器的性能；
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
