随着数字图像的广泛应用,对图像的真实性、权威性做出认证显得越来越重要。研究人员提出了许多有效的图像认证算法,但仍然面临许多挑战,其中一个问题是图像认证的处理效率日益成为应用中的主要瓶颈。当前常用的加速方案主要采用可编程芯片作为协处理器,但这些方法在通用性等方面的局限性使其得不到广泛的应用。CUDA平台的推出为GPU在通用计算领域发挥作用提供了良好的软硬件平台。本文针对数字图像认证方法及其加速方案,探讨了CUDA平台下图像认证方法的设计与实现,具体工作包括以下几个方面:首先,分析了当前图像认证的主要方法与特点,探讨了引入CUDA平台提高处理效率的可行性与优越性。当前许多认证算法往往需要引入图像变换、人类视觉系统等模型,其执行过程具有较大的计算量和较高的可并行性,因此将基于CUDA平台的并行技术用于图像认证中能够有效提高算法的执行效率。其次,设计了一种基于CUDA平台的并行化的DCT域图像认证方法。将图像的分块变换与认证处理任务分配到GPU中并行处理,通过合理的任务分割与程序优化,充分利用了GPU的并行计算能力,获得了较好的加速效果。再次,设计了一种基于CUDA平台的并行化的DWT域图像认证方法。分析了Haar小波变换的计算特点,采用稀疏矩阵相乘的策略对其进行并行化。认证处理中结合人类视觉系统,自适应地嵌入图像特征水印。通过计算任务的并行化使得算法的处理效率得到有效的提高。最后,给出了CPU-GPU异构多核平台下图像认证系统的基本实施框架。探讨了CPU-GPU异构多核平台与多GPU调度方法。本文将CUDA平台有效地应用于图像认证领域,提高了图像认证过程中的处理效率,为图像认证的算法研究与并行方案提供了新的思路,具有一定的参考价值。