Abstract
Dalgacık (wavelet) fonksiyonları, sinyal işleme uygulamalarında oldukça önemli olan dönüşümlerin temelini oluşturur. Ardışık piksel çiftlerine ait değerlerin ortalama ve farklarının alınmasına dayalı temel yaklaşımının getirdiği işlem kolaylığı sebebi ile ayrık Haar dalgacık dönüşümü, sahip olduğu çok sayıda izlek ile uygun paralelleştirme senaryolarında çalışma sürelerini önemli oranlarda azaltan grafik kartların kullanımının önünü açmaktadır. Bu çalışmada iki boyutlu ayrık Haar dalgacık dönüşümü, Message Passing Interface (MPI) kütüphanesi ve Compute Unified Device Architecture (CUDA) programlama mimarisi kullanılarak işlemci ve grafik kartlar kümelerine aktarılmıştır. Farklı boyutlu resimlerin iki boyutlu ayrık Haar dalgacık dönüşümü ile işlenmesi için gereken sürenin, dönüşümün tek işlemci ve tek grafik kartlı eş değerlerine kıyasla yürütme zamanını önemli oranda iyileştirdiği görülmüştür.
References
- R. Polikar, “The Story of Wavelets”, Physics and Modern Topics in Mechanical and Electical Engineering, N. Mastorakis (Eds.), World Scientific and Electrical Engineering Society, 1999.
- P. Porwik, A. Lisowska, “The Haar-Wavelet Transform in Digital Image Processing: Its Status and Achievements”, Machine Graphics & Vision, 2004, s. 79-98.
- K.H. Talukder, K. Harada, “Haar Wavelet Based Approach for Image Compression and Quality Assessment of Compressed Image”, International Journal of Applied Mathematics, 2007, s. 1-9.
- T.T. Wong, C.S. Leung, P.A. Heng ve J. Wang, “Discrete Wavelet Transform on Comsumer-Level Graphics Hardware”, IEEE Transactions on Multimedia, 2007, s. 668-673.
- C. Tenllado, J. Setoain, M. Prieto, L. Pinuel ve F. Tirado, “Parallel Implementation of the 2D Discrete
- Processing Units: Filter Banks versus Lifting”, IEEE Transaction on Parallel and Distributed Systems, 2008, s. 299-310.
- J. Franco, G. Bernabe, J. Fernandez ve M.E. Acacio, “A Parallel Implementaion of the 2D Wavelet
- Euromicro International Conference Parallel, Distributed and Network-based Processing, , Weimar, 2009, s. 111-118.
- W.J. Van der Laan, A.C. Jalba, B.T.M. Roerdink, “Accellerating Wavelet Lifting on Graphics Hardware Using CUDA”, IEEE Transactions on Parallel and Distributed Systesm, 2011, s. 132- 146.
- NVIDIA, NVIDIA CUDA C Programming Guide V. 5.5, NVIDIA Corporation, 2013.
- NVIDIA, NVIDIA CUDA C Best Practices Guide V. 5.5, NVIDIA Corporation, 2013. Graphics [6]. Transform Using CUDA”,
- th [7]. [8]. [9].
- S. Cook, CUDA Programming A Developer’s Guide to Parallel Computing with GPUs, Morgan Kauffmann, 2013.
- D. B. Kirt, W. W. Hwu, “Programming massively parallel procecssors: A Hands-on Approach”,
- Burlington, USA, 2010.
- J. Sanders, E. Kandrot, “CUDA by example: an introduction to general-purpose
- GPU programming”, Pearson Education, Boston, USA, 2011.
Abstract
Dalgacık (wavelet) fonksiyonları, sinyal işleme uygulamalarında oldukça önemli olan dönüşümlerin temelini oluşturur. Ardışık piksel çiftlerine ait değerlerin ortalama ve farklarının alınmasına dayalı temel yaklaşımının getirdiği işlem kolaylığı sebebi ile ayrık Haar dalgacık dönüşümü, sahip olduğu çok sayıda izlek ile uygun paralelleştirme senaryolarında çalışma sürelerini önemli oranlarda azaltan grafik kartların kullanımının önünü açmaktadır. Bu çalışmada iki boyutlu ayrık Haar dalgacık dönüşümü, Message Passing Interface (MPI) kütüphanesi ve Compute Unified Device Architecture (CUDA) programlama mimarisi kullanılarak işlemci ve grafik kartlar kümelerine aktarılmıştır. Farklı boyutlu resimlerin iki boyutlu ayrık Haar dalgacık dönüşümü ile işlenmesi için gereken sürenin, dönüşümün tek işlemci ve tek grafik kartlı eş değerlerine kıyasla yürütme zamanını önemli oranda iyileştirdiği görülmüştür
References
- R. Polikar, “The Story of Wavelets”, Physics and Modern Topics in Mechanical and Electical Engineering, N. Mastorakis (Eds.), World Scientific and Electrical Engineering Society, 1999.
- P. Porwik, A. Lisowska, “The Haar-Wavelet Transform in Digital Image Processing: Its Status and Achievements”, Machine Graphics & Vision, 2004, s. 79-98.
- K.H. Talukder, K. Harada, “Haar Wavelet Based Approach for Image Compression and Quality Assessment of Compressed Image”, International Journal of Applied Mathematics, 2007, s. 1-9.
- T.T. Wong, C.S. Leung, P.A. Heng ve J. Wang, “Discrete Wavelet Transform on Comsumer-Level Graphics Hardware”, IEEE Transactions on Multimedia, 2007, s. 668-673.
- C. Tenllado, J. Setoain, M. Prieto, L. Pinuel ve F. Tirado, “Parallel Implementation of the 2D Discrete
- Processing Units: Filter Banks versus Lifting”, IEEE Transaction on Parallel and Distributed Systems, 2008, s. 299-310.
- J. Franco, G. Bernabe, J. Fernandez ve M.E. Acacio, “A Parallel Implementaion of the 2D Wavelet
- Euromicro International Conference Parallel, Distributed and Network-based Processing, , Weimar, 2009, s. 111-118.
- W.J. Van der Laan, A.C. Jalba, B.T.M. Roerdink, “Accellerating Wavelet Lifting on Graphics Hardware Using CUDA”, IEEE Transactions on Parallel and Distributed Systesm, 2011, s. 132- 146.
- NVIDIA, NVIDIA CUDA C Programming Guide V. 5.5, NVIDIA Corporation, 2013.
- NVIDIA, NVIDIA CUDA C Best Practices Guide V. 5.5, NVIDIA Corporation, 2013. Graphics [6]. Transform Using CUDA”,
- th [7]. [8]. [9].
- S. Cook, CUDA Programming A Developer’s Guide to Parallel Computing with GPUs, Morgan Kauffmann, 2013.
- D. B. Kirt, W. W. Hwu, “Programming massively parallel procecssors: A Hands-on Approach”,
- Burlington, USA, 2010.
- J. Sanders, E. Kandrot, “CUDA by example: an introduction to general-purpose
- GPU programming”, Pearson Education, Boston, USA, 2011.
Details
| Primary Language | Turkish |
|---|---|
| Journal Section | Research Articles |
| Authors | |
| Publication Date | December 24, 2015 |
| Submission Date | November 19, 2015 |
| Published in Issue | Year 2015Volume: 18 Issue: 2 |