多核并行运算加速图像处理

随着并行处理技术的发展,并行计算正不断应用于科学计算领域之外的众多工程领域,图像并行处理技术更是在传统的图像处理领域发挥着重要作用。在此主要是基于多核CPU的分布式并行计算Matlab PCT加速图像处理,依照并行处理规则,寻求问题并行归约,凭借有效的硬件资源,对其进行并行处理,提高程序执行效率,缩短计算延时。通过Matlab和Visual C++两个平台,实现了对图像工程的并行加速处理,结果证明经并行处理后的图像工程在计算效率方面有显著提高,结果精确,计算耗时小。     

图像处理在PC机群上的实现及性能优化

利用PVM建立PC机群环境，并在此环境中开展并行研究。分别采用串行与并行的计算方法实现了图像的平滑处理。在并行计算中。对大小不同的图像分别进行了并行计算，得出对应的处理时间以及所获得的加速比。最后采用了一种改进的算法实现了图像处理。针对所获得的实验数据，得出加速比较低，通过采用数据本地化的优化措施．有效地提高了并行加速比．达到了良好的性能效果。通过对实验结果的分析可知，当前的并行处理的实施对于处理数据传输量很小的求解问题上有一定的性能效果．只有网络性能达到一定程度的时候，并行处理就可以应用在普通问题规模上．并能够取得良好的处理速度。     

基于改进的BSP模型的红外图像并行处理研究

针对导弹末制导红外图像处理实时性要求,分析了红外图像并行实时处理算法及其集群计算机的实现,建立了适应于实时处理的BSP改进模型和集群并行处理软件系统,并给出了红外图像并行处理算法的实现方法.研究了应用提升小波实现图像并行处理算法及实现,进而分析了算法性能,推导出了加速比模型.实验验证了其有效性.     

一种新的图像处理系统的研究

针对当前图像处理系统存在的处理性能和系统灵活性等问题,提出了一种采用可重构技术和图像并行处理技术实现的图像处理系统。研究了动态可重构技术理论及可重构系统的特点,并且研究了图像并行处理系统的设计及算法实现的方法,分析了目前图像处理系统中存在的问题,利用FPGA(Field)可以多次重复配置的特性,设计了可重构图像并行处理系统。同时,在研究了分布式算法的基础上,实现了图像处理算法。设计了采用多IP核实现图像并行处理系统。系统可以根据计算任务的不同,并同时考虑到并行处理系统负载平衡性,设置不同的计算节点数量,达到了既能够满足系统的需求,又可以节约硬件成本的效果。通过实验,验证了系统的可行性。     

GPU编程在三维纹理映射体绘制中的应用

三维纹理映射体绘制是一种基于硬件的经典体绘制方法。文中给出了利用OpenGL进行GPU（Graphic Processing Unit,图形处理器）编程,以充分发挥显卡在图像处理方面的并行处理能力和计算性能,加速三维重建的具体方法。和传统的体绘制算法相比,该方法可明显提高三维重建速度并改善三维重建效果。     

基于DM6467的图像并行处理系统的研究

针对图像的处理过程中运算量较大的特点,设计了一种基于双DSP并行处理图像数据的系统。为验证并行处理系统的性能,设计了基于两片高性能的数字图像处理芯片的并行处理平台上测试TSP的问题。结果表明了并行DM6467硬件平台的算法运行效率更高,收敛速度更快,种群有更好的相异度。证明了提出的双DSP并行处理平台针对并行运算具有很好的应用前景。     

基于FPGA的水平集图像分割算法加速器

水平集算法因其出色的性能,在图像分割领域中得到了广泛的应用。同时,与基于深度学习的图像分割算法相比,水平集算法不需要训练数据,大幅降低了数据标记带来的工作量。然而,目前水平集算法主要是基于软件开发,涉及大量复杂的计算,以及计算的多次迭代,导致较高的处理延时与功耗。为了加快水平集算法的处理速度和降低功耗,该文提出了一种基于FPGA的水平集图像分割算法加速器,其中包含4个设计创新点:任务级并行处理、图像分块像素级并行处理、全流水线处理架构、分时复用的梯度和散度算子处理。实验结果表明,与在CPU上执行的水平集算法相比,该文提出的硬件加速器处理速度提升10.7倍,功耗仅为2.2 W。     

局部不变特征匹配的并行加速技术研究

针对SIFT、SURF等局部不变特征在大尺寸图像上匹配时过于耗时的问题,将FREAK算子应用于图像匹配中,并提出一种多线程并行加速方法。首先介绍FREAK描述子的特征点的检测、特征描述向量的生成和特征向量的匹配的过程,并分析其优势。其次提出并行处理的2种思路:一是对待匹配图像进行有重叠的分块,对于每一块子图像,开辟新的线程分别进行处理;二是对匹配过程的3个步骤,采用流水线技术进行并行处理,每检测出一个特征点,随即提取出该点的特征向量,然后和模板图像的特征向量集进行匹配。改写SIFT、SURF和FREAK算法进行实验验证,结果证明FREAK计算过程比SIFT和SURF快得多,而并行方法可以在保证匹配精度的同时明显缩短匹配时间。     

基于FPGA的水平集图像分割算法加速器

水平集算法因其出色的性能,在图像分割领域中得到了广泛的应用.同时,与基于深度学习的图像分割算法相比,水平集算法不需要训练数据,大幅降低了数据标记带来的工作量.然而,目前水平集算法主要是基于软件开发,涉及大量复杂的计算,以及计算的多次迭代,导致较高的处理延时与功耗.为了加快水平集算法的处理速度和降低功耗,该文提出了一种基于FPGA的水平集图像分割算法加速器,其中包含4个设计创新点:任务级并行处理、图像分块像素级并行处理、全流水线处理架构、分时复用的梯度和散度算子处理.实验结果表明,与在CPU上执行的水平集算法相比,该文提出的硬件加速器处理速度提升10.7倍,功耗仅为2.2 W.     

基于多核DSP激光成像雷达数据处理系统

采用多核DSP设计了一个用于地面目标检测的激光雷达实时图像处理系统。在详细分析算法各模块资源消耗量的基础上,完成了硬件电路设计,实现了以主辅拓扑结构为框架的软件并行处理系统开发。在系统实现时,先将图像进行分区,并合理地将分区后的图像分配到四个DSP核中进行处理。最后,将并行系统进一步扩展到双核和六核,并与单核系统进行性能比较。对算法运算时间的测试结果表明,系统处理一帧图像仅需50 ms达到了实时性要求。结果表明,对于固定负载的处理系统,单纯地通过增加并行的核数来提高加速比的幅度是有限的。当增加并行的核数已不能明显地提高计算效率时,在系统设计中应着重减少每个核串行运算的负载量。     

基于软件流水线的并行多源视频处理

针对多源、复杂视频处理存在的实时性低,资源占用率高的问题,提出了一种基于软件流水线并行处理多源视频的方法,具有降低视频处理应用的设计难度,优化计算资源使用,提高复杂算法多源视频处理的实时性的特点.首先基于多核CPU构建多任务管理系统,用于任务缓存及调度,并管理资源负载,在此基础上设计软件流水线.软件流水线的每一个stage将对于一帧视频图像的处理封装成任务的形式提交给多任务管理系统调度执行.最后,将软件流水线用于多源视频处理,并行处理6路视频,试验结果表明该方法能够有效提升多源、复杂视频处理的实时性,且在资源利用率,负载均衡等方面具有良好特性.     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

在图像处理应用中几种并行计算技术的比较

本文讨论了三种采用不同并行技术的代表处理器芯片在图像处理底层算法中的性能以及资源利用率的问题，给出芯片系列内部纵向和系列间的横向比较结果，可看出阵列并行处理在图像处理底层方面的潜力以及研制多媒体芯片如何综合选用并行处理技术。     

基于Nios SOPC的车载台最佳行车路径计算系统设计

提出了一种计算最优路径的硬件系统及其实现方法。采用Altera片上可编程器件Nios SOPC技术、硬件并行设计等关键技术,设计并实现启发式最佳路径搜索算法,实现了具有并行计算能力的硬件加速器,并利用Nios提供的用户指令定制功能,应用动态规划方法定制了三条专用信号处理指令,进一步增强了系统的运算能力,使系统具有良好的实时处理能力,可成倍地提高系统的数据处理能力。     

A modular massively parallel computing approach to image-relatedprocessing

A modular massively parallel computing (Modular-MPC) philosophy to image-related processing is discussed in this paper The approach is based on application-specific configurations of generic fine-grain Single Instruction stream operating on Multiple Data (SIMD) streams massively parallel computing modules to achieve high performance and maximal flexibility and programmability while remaining cost-effective. The need for a software architecture to allow programming such systems is highlighted and the implementations on current Modular-MPC systems are described. The experience with ASTRA, a Modular-MPC testbed system, in image related application development and system performance has led to a technology road-map using VLSI, MCM, and monolithic WSI technologies aiming at `future proofing' of the Modular-MPC concept and systems achieving T (10¹²) operations per second performance. This experience and progress are discussed together with the implementation of three image-related processing applications     

高性能嵌入式图像处理系统研究

为了提高计算机视觉中图像处理的速度,深入分析了计算机视觉中图像处理的三个层次的并行计算特征.以数据并行的处理元阵列芯片为基础,通过对其进行不同组合得到高性能嵌入式图像处理系统.该系统为图像处理提供了不同层次的数据并行性和任务并行性,满足了图像处理对并行计算的需求,为实时嵌入式图像处理提供了较高的计算性能.此外,处理元阵列芯片的实现方式又保证了其具有较小的体积,满足了嵌入性的要求.     

MPI并行计算在图像处理方面的应用

介绍了MPI并行计算的基本概念和并行计算集群的实现，着重论述了图像处理算法的并行实现方法。列举了提高并行算法效率的一些措施。在并行计算集群上实现了灰度相关匹配算法和快速傅里叶变换算法，对它们的实验结果进行了分析和对比，通过实验数据说明了并行计算通信量和并行计算效率的关系，提出了并行计算在图像处理方面的适用范围。     

SIMD图像处理机存储系统研究

为了获得尽可能高的并行计算单元的计算能力,对SIMD图像处理机的存储系统进行了深入研究.该存储系统根据图像处理应用的特点,使用基于编译获得的数据流存取全局信息进行数据流调度,有效地提高了数据存取的速度,满足了并行计算单元对数据存取速度的要求,为SIMD图像处理机系统性能的提高提供了支持.     

Hadoop云平台下的并行化图像处理实现

近年来,云计算在IT行业掀起了新一轮技术革新浪潮。云计算是一种新兴的计算模型,它是并行计算、分布式计算、网格计算的综合发展,以简单、透明服务的形式提供无限制的计算资源。Hadoop实现的开源云平台提供了并行计算模型MapReduce、分布式文件系统HDFS和分布式数据库HBase等。随着数字图像数据量不断增长,单机模式的图像处理已逐渐不能满足用户需求。文中提出了利用Hadoop云平台实现海量图像的并行