随着计算机技术和信息处理技术的不断发展，离散小波变换凭借着良好的时域特性和局部特性，逐步成为了图像压缩技术的核心算法。针对小波变换Mallat算法复杂度高、访存次数多、占用内存大的特点，Wim Sweldens等人提出了快速提升小波变换算法，该算法具有不依赖傅里叶变换、计算速度快，内存占用少等特点。小波分解算法以具有单指令多数据特性被广泛地移植到计算机统一设备架构CUDA(Computer Universal Device Architecture)上计算。小波分解算法在CUDA上执行一般分为水平方向滤波和垂直方向滤波两步，其中常见的水平方向滤波的方式为Spiht方式，垂直方向滤波的方式有四种：Spiht方式，转置后水平方向滤波方式，Slab方式和Slice方式。针对垂直方向模式的四种移植方式，分别从数据重用、全局内存合并访存、共享内存Bank冲突、通道偏斜和分支跳转5个方面对小波分解算法做访存性能评估，得到如下结论：Spiht方式没有使用全局内存合并访存，性能比较差；转置后水平方向滤波方式使用了全局内存合并访存，且共享内存中的数据重用次数较多，性能比较好；Slab和Slice方式尽管使用了全局内存合并访存，但是共享内存数据重用次数不多，性能不高。针对上述理论结论及Mallat算法和提升算法的不同计算特点，对Slab和Slice方式的实现过程的共享内存中数据重用进行改进，达到提高共享内存数据重用次数的目的。实验结果表明，改进后的垂直方向滤波的实现方式取得了较好的加速比。