压缩感知理论是最近几年提出的基于信号稀疏性的理论,它为图形学领域的很多方向提供了新的思路。使用基于压缩感知理论重建的图像相对于传统算法重建的图像能保持更多的细节信息,获得更好的重建结果,本文采用的重建思想就是基于压缩感知理论的。压缩感知理论本身的特点决定了重建过程是相对复杂的,以本文采用的视频为例,将分辨率为256×256的低分辨率视频重建为512×512的高分辨率视频,需要3～4秒的时间,但视频的实时性又要求每一帧的重建在很短的时间内完成(一般为几十毫秒),为了达到该目标,本文采用了如下优化策略：1)通过并行计算减少重建时间；2)减少数据在主机端和设备端之间的传递；3)通过研究视频解码,找到帧间冗余,减少重复计算。显卡提供了能进行并行计算的GPU,计算能力相对于CPU有了几十甚至上百倍的提高。并行计算的思想是将计算量大的部分通过并行计算的方式在GPU上实现,剩余的计算和少量的逻辑控制在CPU上实现,结果表明该模式相对于只使用CPU进行计算的模式加速了几十倍,为将重建算法应用到视频的实时重建提供了可能。由于最终生成的结果是在GPU的全局存储器中,可以借助openGL和CUDA的交互,将生成的结果直接在显卡上显示出来,减少了数据在内存和显存之间的传递,提高了帧率。日常常见的视频格式都是压缩视频,帧间冗余信息在视频的编解码过程中会有所体现。相邻的帧之间存在很多没有任何变化的块,对于这样的块可以保留上一帧的结果,而在下一帧中不需要进行重复计算,从而减少了计算量,进一步提高了重建帧率。经过以上三种优化策略,实现了对分辨率为256×256的低分辨率视频的实时重建(平均15帧每秒),重建结果相对于常见播放器拉伸后的结果有了明显的改进。