基于可重构处理器的视觉并行处理算子库研究

发布时间：2017-09-21 11:39

  本文关键词：基于可重构处理器的视觉并行处理算子库研究

  更多相关文章： 可重构处理器 视觉信息处理 并行计算 算子库 Harris算法

【摘要】：现代视觉信息处理实时性强、数据量大和计算复杂度高的特点给处理器性能带来了巨大的挑战。同时,其多标准多协议的特点又对处理器灵活性提出了一定的要求。可重构处理器作为一种能够兼顾通用处理器灵活性和专用集成电路高效性的架构,为视觉信息处理提供了一种有价值的研究方向。但是,视觉信息处理算法与可重构处理器之间存在着鸿沟,如何将其映射到可重构处理器阵列上成为一个难点,而算子库的出现为两者之间搭建了一座桥梁。本文首先介绍了多核处理器及其OpenMP并行编程模型,分析视觉信息处理算法所具有的并行性特征,从而实现其算法层并行,设计了Harris特征点检测算法的并行程序。其次在视觉信息处理算法并行化基础上,找到并行循环处理任务的数据流和控制流特征,将其进行分解细化,从而实现其算子层并行,建立起视觉信息处理算法的并行算子库,并对算子库的格式规范进行了详细地设计。再次开发两套验证工具:语法规则校验和功能结果验证。语法规则校验工具能够完成算子库的格式规范验证;功能结果验证工具可以完成算子库的输出检查。最后对Harris特征点检测算法进行分析,将其分解细化为基本运算单元,完成其算子层并行。并提出一种具有快的检测速度和好的检测质量的改进型Harris特征点检测算法。本文在多核处理器平台下设计的Harris特征点检测算法并行程序避免了常出现的编程错误,在2线程下可以实现1.59的加速比;在4线程下可以实现3.33的加速比。所建立的算子库弥补了视觉信息处理算法与可重构处理器之间的空缺,易于从算法到配置信息的转换。所提出的改进型Harris特征点检测算法的检测时间仅为原始算法的8.7%;具有较好的检测质量,平均ACU为0.8;对于旋转图像的一致性评估,其平均CCN为79%,旋转不变性高于Moravec、Harris、FAST等算法。
【关键词】：可重构处理器 视觉信息处理 并行计算 算子库 Harris算法
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41;TP332
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-18
• 1.1 可重构计算概述10-12
• 1.2 可重构视觉信息并行处理技术12-16
• 1.2.1 可重构技术研究现状12-15
• 1.2.2 可重构视觉信息处理并行化分析15-16
• 1.3 研究内容与意义16-17
• 1.4 论文结构17-18
• 第二章 基于多核处理器的并行程序设计18-31
• 2.1 多核处理器简介18-19
• 2.2 OpenMP并行编程模型19-23
• 2.2.1 OpenMP简介19-21
• 2.2.2 并行编程错误21-23
• 2.3 加速比和扩展性23-25
• 2.3.1 加速比的计算23-24
• 2.3.2 扩展性问题24-25
• 2.4 Harris特征点检测算法并行程序设计25-31
• 2.4.1 Harris特征点检测算法原理25-26
• 2.4.2 Harris特征点检测算法计算流程26-27
• 2.4.3 Harris特征点检测算法并行程序设计27-31
• 第三章 基于可重构处理器的算子库设计31-45
• 3.1 视觉信息处理算子库的应用背景31
• 3.2 视觉信息处理算子库格式规范31-38
• 3.2.1 术语定义与关键字含义32-33
• 3.2.2 核心算子表达式33-34
• 3.2.3 输入输出格式34-36
• 3.2.4 控制符36-37
• 3.2.5 全局配置寄存器37-38
• 3.2.6 扩展算子表达式38
• 3.3 视觉信息处理算子库形成与拆分原则38-39
• 3.3.1 视觉信息处理算子库的形成38-39
• 3.3.2 视觉信息处理算子库拆分原则39
• 3.4 视觉信息处理算子库的可扩展性39-41
• 3.5 视觉信息处理算子库验证41-45
• 3.5.1 视觉信息处理算子库语法规则校验41-43
• 3.5.2 视觉信息处理算子库的功能验证43-45
• 第四章 基于可重构算子库的Harris特征点检测算法映射45-55
• 4.1 Harris特征点检测算法分析45
• 4.2 改进型Harris特征点检测算法45-50
• 4.2.1 非特征点排除46-47
• 4.2.2 梯度计算47-48
• 4.2.3 特征点响应函数计算48-49
• 4.2.4 非极大值抑制49-50
• 4.2.5 性能评价指标50
• 4.3 Harris特征点检测算法映射50-55
• 4.3.1 梯度计算50-51
• 4.3.2 高斯滤波51-52
• 4.3.3 特征点响应函数52-53
• 4.3.4 非极大值抑制53-55
• 第五章 实验结果与分析55-64
• 5.1 Harris特征点检测算法性能结果分析55-58
• 5.1.1 串行程序性能结果分析55-57
• 5.1.2 并行程序性能结果分析57-58
• 5.2 改进型Harris特征点检测算法结果分析58-64
• 5.2.1 特征点定位精确度分析58-61
• 5.2.2 特征点检测算法一致性结果分析61-62
• 5.2.3 特征点检测算法性能结果分析62-64
• 第六章 总结与展望64-66
• 6.1 总结64-65
• 6.2 展望65-66
• 参考文献66-70
• 发表论文和参加科研情况说明70-71
• 致谢71-72

【相似文献】

中国期刊全文数据库 前10条

1 冷青;金点子库[J];发明与革新;1995年05期

2 ;金点子库[J];发明与革新;1995年06期

3 ;金点子库[J];发明与革新;1995年07期

4 ;金点子库[J];发明与革新;1995年09期

5 ;金点子库[J];发明与革新;1995年10期

6 ;金点子库[J];发明与革新;1996年10期

7 李春林;;构建地方子库 打造“数据新华"[J];中国传媒科技;2005年10期

8 巫有生，，刘建文;金点子库[J];发明与革新;1995年08期

9 ;金点子库[J];发明与革新;1995年Z1期

10 杨惠民;兵器系统专业文献数据库非金属材料专业子库通过技术鉴定[J];工程塑料应用;1992年01期

中国重要报纸全文数据库 前1条

1 本报记者 黄明钢;深圳精子库缘何静悄悄[N];深圳商报;2000年

中国硕士学位论文全文数据库 前7条

1 扈立超;基于可重构处理器的视觉并行处理算子库研究[D];天津大学;2014年

2 张明珠;基于原子库优化的测井声波信号分离研究[D];西南交通大学;2011年

3 任飞;中国地学大断面数据子库的完善及基于组件GIS的管理系统开发[D];吉林大学;2005年

4 黄鑫;哈尔滨市重大项目信息监管系统的设计与实现[D];上海交通大学;2012年

5 李茜;利用相干控制的原子库产生纠缠辐射的研究[D];华中师范大学;2008年

6 林伟;基于SOA架构的项目管理系统设计与实现[D];电子科技大学;2013年

7 孟庆婕;基于心脏疾病监护的心电音乐研究[D];山东科技大学;2009年

本文编号：894326