Traitement d'images sur architectures parallèles et hétérogènes

摘要

Image processing algorithms present a necessary tool for various domains related to computer vision. These algorithms are hampered by their high consumption of computing times when processing large sets of high resolution images. In this work, we propose a development scheme enabling an efficient exploitation of parallel (GPU) and heterogeneous (Multi-CPU/Multi-GPU) platforms, in order to improve performance of image processing algorithms. The proposed scheme enables an efficient scheduling of hybrid tasks and an effective management of heterogeneous memories. We present also parallel and hybrid implementations of edge and corner detection methods. Experimental results showed a global speedup ranging from 5 to 25, when processing different sets of images, by comparison with CPU implementations.%Les algorithmes de traitement d'images présentent des outils nécessaires à de nombreux processus de vision par ordinateur. Ces algorithmes deviennent très consommateurs en temps de calcul lors du traitement de gros volumes d'images de hautes définitions. Nous proposons dans ce travail un schéma de développement permettant une exploitation efficace des architectures parallèles (GPU) et hétérogènes (Multi-CPU/Multi-GPU) afin d'accélérer ces algorithmes. Le schéma proposé permet un ordonnancement efficace des taches hybrides, tout en assurant une meilleure gestion des espaces mémoires hétérogènes. Nous présentons aussi les implémentations parallèles et hybrides de méthodes de détection des coins et contours. Des résultats expérimentaux utilisant différents ensembles d'images ont montré une accélération allant de 5 à 25 par rapport à une implémentation CPU.