Propuesta implementacion multiprocesamiento




Compresión de imágenes hiperespectrales en tarjetas gráficas programables (gpus)
Objetivo
Este trabajo pretende realizar una adaptación del algoritmo IEA para la compresión de imágenes hiperespectrales aprovechando el gran rendimiento que proporciona trabajando sobre una GPU y realizar un estudio cualitativo y comparativo de dicho algoritmo en GPU con respecto a su rendimiento en CPU,utilizando varias imágenes hiperespectrales de las que se tiene gran información de referencia y por tanto sus resultados serán muy indicativos.

justificación
El presente trabajo se ha desarrollado dentro de las líneas de investigación actuales del Grupo HYPERCOMP de la Universidad de Extremadura, y consiste en la realización de un estudio sobre el algoritmo Iterative Error Analysis (IEA) para realizarsu adaptación a la compresión y descompresión de imágenes hiperespectrales haciendo uso de GPUs para acelerar los cómputos relativos a la extracción de endmembers que realiza dicho algoritmo.
Conviene destacar que los algoritmos de análisis hiperespectral generalmente necesitan grandes cantidades de tiempo a la hora de proporcionar resultados, debido a la complejidad computacional de los mismosy también debido al gran tamaño de las imágenes a procesar, lo cual requiere que la transferencia de datos entre el procesador y el dispositivo hardware especializado utilizado como coprocesador deba optimizarse. Al requerir tantas iteraciones, y tener dentro de estas operaciones no triviales, los algoritmos de análisis hiperespectral generalmente se traducen en un consumo de CPU elevado, por loque la utilización de arquitecturas especializadas como coprocesadores puede resultar una alternativa altamente interesante.
Además existe el problema del gran tamaño de este tipo de imágenes, lo que nos crea la necesidad de conseguir reducir el peso de la cantidad de imágenes que puede tomar el satélite en cuestión y por tanto es de gran interés para este tipo de situaciones el tener una forma dereducir su tamaño con el mínimo de pérdida posible.
Para solucionar estos problemas relativos a coste, consumo, peso y ofrecer además, mejoras sustanciales en cuanto al tiempo de procesamiento, en el presente PFC proponemos una adaptación del algoritmo IEA, utilizando sus prestaciones a la hora de extraer los endmembers y generar sus mapas de abundancia para desarrollar un método de compresión deimágenes hiperespectrales haciendo uso del gran rendimiento de dicho algoritmo en la GPU. Conviene destacar que, con una sola GPU, pueden llegar a obtenerse mejoras notables a la hora de procesar cálculos de tipo científico, como es el caso de los algoritmos de tratamiento de imágenes hiperespectrales, a un coste razonable y además ocupando un espacio mínimo. No obstante, no todas las tarjetasGPU disponibles en el mercado se ajustan a nuestros requerimientos. Finalmente, indicar que en este proyecto se ha intentado ir un poco más lejos, y trabajar de forma totalmente innovadora. Para ello, se ha utilizado la arquitectura CUDA (arquitectura de cálculo paralelo) incorporada en las tarjetas gráficas de NVIDIA de las series 8 (ó superiores), Quadro y Tesla, siendo algunas de las tarjetas dela segunda gama las que han sido objeto de estudio en este PFC. Para la consecución de este trabajo se ha utilizado una maquina con un procesador Intel Core 2 Quad 6600 una GPU NVIDIA Tesla C1060 y el sistema operativo Windows XP. Por otra parte en este proyecto, se ha realizado una nueva actividad consistente en el estudio cuantitativo y comparativo de los algoritmos implementados tanto en C parasu ejecución en la CPU como en CUDA para su ejecución en la GPU así como un análisis de la precisión de los resultados obtenidos.


Desarrollo
La computación paralela es una forma de computación en la que se realizan varias operaciones de forma simultánea, basándose en el principio de que los problemas grandes pueden ser divididos en problemas más pequeños que pueden ser resueltos de forma...