视频超分辨率技术旨在提升视频的分辨率并获得良好的清晰度,目前图像/视频超分辨率技术面临着运行质量与速度的折中,难以同时获得良好的图像质量和速度。本论文将挑选满足视频超分辨率要求、运行质量极佳的两种超分辨率算法(SRCNN和A+),并使用GPU对其加速,最后集成为一套视频超分辨率转码系统。本文首先介绍了并行化、GPU的硬件架构和编程模型以及GPU优化的关键技术,GPU的硬件和显存设计使它拥有巨大的计算吞吐量,特别适合数据并行的计算。而充分利用GPU的计算能力需要将原算法并行化、GPU实现和优化。SRCNN是代表深度学习的性能极佳的超分辨率算法,我们对它全过程并行化,并通过利用GPU层次化的存储器结构,提出了共享卷积核数据法、共享输入图像块法和寄存器缓存的输入图像块法对卷积进行了优化。我们进一步通过卷积与非线性层的融合计算加快了非线性层的运行速度。实验表明处理1080P到4K超分辨率任务总运行时间从CPU的300秒/帧加速到了使用GPU的0.15秒/帧,加速约2000倍,同时GPU加速后的SRCNN运行质量完全不变。A+是一个基于样例、性能更好的超分辨率算法,本文对A+的全部步骤作了并行化和GPU实现,并且利用合并访问和指令级并行技术进一步优化A+的运行速度。最后我们对GPU加速的A+作了运行时间测试和正确性验证,实验表明A+处理1080P到4K超分辨率任务总运行时间从CPU的47秒/帧加速到了使用GPU的0.16秒/帧,加速约295倍;GPU加速的A+运行质量保持不变。最后本文将GPU加速的视频超分辨率算法与视频处理的其他部分集成在一起,搭建出1080p转4K超分辨率转码系统。该系统整合了视频超分辨率、视频解码、视频/音频/字幕分解、调色、视频/音频/字幕合成等模块,针对GPU加速设计了多任务调度机制和管道通信协议,最终形成了一个高效高质量的、鲁棒的、可多任务的超分辨率转码系统。