高效Prewitt边缘检测算法的NEON实现

在多媒体应用中,对图像数据的处理占据了极其重要的位置.随着嵌入式系统的高速发展,如何在嵌入式系统中完成对图像的实时处理已经成为最大的挑战.Prewitt边缘检测算法是一种典型的图像边缘处理算法,被广泛应用于图像处理领域.从提高嵌入式系统计算Prewitt算子运算速度的角度出发,提出了一种基于NEON协处理器的高效Prewitt边缘检测算法.该算法能够有效减少冗余的计算量和图像数据的重复读取,从而提高了整体的运算效率.为验证实验结果,用Verilog语言在Xilinx公司的Zedboard开发板上搭建了系统运行平台.在该平台上的实验结果表明,通过该算法可以使得嵌入式平台在计算Prewitt算子方面的运算速度与拥有CPU+GPU的平台相当.

基于NEON优化的相似度搜索算法设计

在安防人脸识别系统中,往往需要在海量数据中寻找出与被搜索人相符的信息,但由于处理的对象十分庞大,必须消耗大量的时间进行相似度搜索才能得到匹配对象,搜索效率十分低下。针对这一问题,提出了一种采用余弦相似度计算的分级相似度匹配法,并运用NEON协处理器以提升运算的并行度,最终在RK3399平台上采用LFW人脸数据集进行测试。测试结果表明,此方法相比于原始的计算方法在运算速度上提高了约30倍。

基于Jetson TX1带通采样宽带定向算法优化

带通采样宽带定向算法优化方法基于ARM平台的NEON协处理器,提高主动声呐宽带信号定向算法实时性。实验结果表明:利用NEON协处理器的并行运算的优化方法比仅仅利用ARM处理器实现带通采样宽带定向算法速度提高接近一倍,进而实现数据处理实时性;与具有同等处理速度的DSP阵列信号处理平台相比,克服了开发周期长、移植性差等缺点。