基于PAAG的OpenVX核心库函数并行化实现

针对OpenVX1.0标准中的核心库函数,在新型多态同构阵列处理器平台上实现基于该标准的Kernel函数算法的并行化。以Gaussian Filter、Color Convert、Sobel3×3等kernel函数组成的节点构造图像边缘检测的OpenVX图执行模型,将该执行模型映射到阵列机上实现了并行加速。实验结果证明,PAAG阵列机能实现高复杂度算法的并行实现,并且能获得线性增长的加速比,执行效率更高。

基于PAAG的图形图像算法的并行实现

为了解决当前的CMOS技术遇到"功耗墙"和"散热墙"等问题导致的很难通过提高主频来提升芯片性能的问题,文中提出了一种新型多态同构阵列处理器—PAAG(Polymorphic Array Architecture for Graphics)。该阵列机在一个芯片上集成了多个处理器,能够通过将各种高性能复杂的算法合理分解映射到该平台上实现并行计算。通过结合使用数据并行、操作并行的计算方法,对固定渲染管线的图形算法以及由国际标准组织Khronos提出的计算视觉标准Open VX1.0中的Kernel函数图像算法进行了深入分析,并给出了基于这些算法在PAAG上的并行化设计。通过在PAAG硬件平台对应的仿真环境上进行各个算法的并行实现,得到了算法在多个处理单元上的运行时钟,由此计算出算法在多个处理单元上运行的加速比。实验结果表明,文中的并行化设计方法在PAAG上能够实现对图形图像算法的线性加速,与串行相比,效率更高。

基于PAAG的纹理特征提取算法的并行实现

针对多态同构阵列机,提出一种新的方法对计算视觉算法中的纹理特征提取算法进行并行处理。该方法在基于计算视觉标准OpenVX的基础上,将纹理特征提取算法的各步骤用OpenVX核函数进行实现,并构造出该算法的图模型,再将图模型利用OpenVX库函数映射到多态同构阵列机上进行并行处理。实验结果表明,该方法所实现的加速比按线性增长,纹理特征提取算法的执行效率得到显著提高。