Combining low-power with parallel processing for multispectral and hyperspectral image compression

Bibliographic Details
Main Author: Ferraz, Óscar Almeida
Publication Date: 2019
Format: Master thesis
Language: eng
Source: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Download full: http://hdl.handle.net/10316/88005
Summary: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_fb110996a4cb2e05595baa47d3c3423e
oai_identifier_str oai:estudogeral.uc.pt:10316/88005
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Combining low-power with parallel processing for multispectral and hyperspectral image compressionCOMBINING LOW-POWER WITH PARALLEL PROCESSING FOR MULTISPECTRAL AND HYPERSPECTRAL IMAGE COMPRESSIONComit´e Consultivo para Sistemas de Dados Espaciais 123 (CCSDS 123)Unidades de Processamento Gráfico (GPU) de Baixo ConsumoCUDAProgramação ParalelaCompressão de imagens multiespectrais e hiperespectraisConsultative Committee for Space Data Systems (CCSDS) 123Low Power Graphics Processing Units (GPU)Compute Unified Device Architecture (CUDAParallel ProgrammingMultispectral and Hyperspectral Image CompressionDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaO CCSDS 123 é um algoritmo de compressão de imagens hiperespectrais e multiespectrais composto por um preditor e um codificador. Normalmente, os sistemas que geram este tipo de imagens (satélites, drones, etc…) têm restrições energéticas. Este algoritmo é implementado, sobretudo em FPGAs devido ao seu baixo consumo energético. O mercado dos smartphones tem tornado os CPUs e GPUs em dispositivos energeticamente eficientes, colocando-os em posição de competir contra as FPGAs no campo de compressão de baixo consumo.O objetivo desta dissertação é, utilizando uma Jetson TX2, paralelizar o CCSDS-123. No preditor, quando a predição é intra-banda (P=0), é utilizado um único kernel. Quando se usa predição inter-banda (P>0), o preditor passa a ter dependências de dados dentro das bandas, tornando a paralelização menos eficiente e mais difícil de implementar. No codificador, que contém dependências de dados, são estudadas paralelizações utilizando vários dispositivos (CPU+GPU) nos dois codificadores contemplados nesta norma. Produzindo uma solução híbrida de computação heterogénea.As implementações são alvo de testes que compararam o tempo de execução paralela com os tempos execução em série de forma a identificar as melhores implementações. Ainda é feita uma análise energética medindo a potência utilizada pela placa ao longo do tempo de execução do algoritmo. No final, a taxa de débito e a eficiência energética são comparadas com o estado de arte.O uso de GPUs de baixo consumo traz um novo paradigma ao campo de compressão multiespectral e hiperespectral. Apesar de não tão eficientes como as FPGAs, GPUs conseguem altas taxas de débito.The CCSDS 123 is a hyperspectral and multispectral image compression algorithm composed of a predictor and an encoder. Usually, the systems that generate these types of images (satellites, drones, etc.) have energy restrictions. Hence, FPGAs show themselves as efficient devices to implement the CCSDS 123 due to its low energy consumption. The smartphone market has turned CPUs and GPUs into energy-efficient systems, making them potential competitors against FPGAs implementation dominance in the field of low-energy compression.The objective of this dissertation is, using a low-power GPU (Jetson TX2), to parallelize the CCSDS 123. Intra-band prediction (P=0) uses a single kernel. When using inter-band prediction (P>0), the predictor has data dependencies within bands, making parallelization less efficient and more challenging to implement. Hybrid parallelizations (CPU+GPU) are studied for the two encoders designed for this standard, producing a heterogeneous computing system.The implementations are subject to tests that compare the parallel execution times with the serial execution times in order to identify the best implementations. An energy analysis is performed, measuring the power used by the board over the algorithm's running time. In the end, the throughput rate and energy efficiency are compared with the state-of-the-art.The use of low-power graphics processing units (GPUs) brings a new paradigm to the field of multispectral and hyperspectral compression. Even though, not as the efficiency as FPGAs, GPUs deliver high throughput rates.2019-09-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/88005http://hdl.handle.net/10316/88005TID:202306380engFerraz, Óscar Almeidainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-02-27T11:50:00Zoai:estudogeral.uc.pt:10316/88005Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:48.602425Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Combining low-power with parallel processing for multispectral and hyperspectral image compression
COMBINING LOW-POWER WITH PARALLEL PROCESSING FOR MULTISPECTRAL AND HYPERSPECTRAL IMAGE COMPRESSION
title Combining low-power with parallel processing for multispectral and hyperspectral image compression
spellingShingle Combining low-power with parallel processing for multispectral and hyperspectral image compression
Ferraz, Óscar Almeida
Comit´e Consultivo para Sistemas de Dados Espaciais 123 (CCSDS 123)
Unidades de Processamento Gráfico (GPU) de Baixo Consumo
CUDA
Programação Paralela
Compressão de imagens multiespectrais e hiperespectrais
Consultative Committee for Space Data Systems (CCSDS) 123
Low Power Graphics Processing Units (GPU)
Compute Unified Device Architecture (CUDA
Parallel Programming
Multispectral and Hyperspectral Image Compression
title_short Combining low-power with parallel processing for multispectral and hyperspectral image compression
title_full Combining low-power with parallel processing for multispectral and hyperspectral image compression
title_fullStr Combining low-power with parallel processing for multispectral and hyperspectral image compression
title_full_unstemmed Combining low-power with parallel processing for multispectral and hyperspectral image compression
title_sort Combining low-power with parallel processing for multispectral and hyperspectral image compression
author Ferraz, Óscar Almeida
author_facet Ferraz, Óscar Almeida
author_role author
dc.contributor.author.fl_str_mv Ferraz, Óscar Almeida
dc.subject.por.fl_str_mv Comit´e Consultivo para Sistemas de Dados Espaciais 123 (CCSDS 123)
Unidades de Processamento Gráfico (GPU) de Baixo Consumo
CUDA
Programação Paralela
Compressão de imagens multiespectrais e hiperespectrais
Consultative Committee for Space Data Systems (CCSDS) 123
Low Power Graphics Processing Units (GPU)
Compute Unified Device Architecture (CUDA
Parallel Programming
Multispectral and Hyperspectral Image Compression
topic Comit´e Consultivo para Sistemas de Dados Espaciais 123 (CCSDS 123)
Unidades de Processamento Gráfico (GPU) de Baixo Consumo
CUDA
Programação Paralela
Compressão de imagens multiespectrais e hiperespectrais
Consultative Committee for Space Data Systems (CCSDS) 123
Low Power Graphics Processing Units (GPU)
Compute Unified Device Architecture (CUDA
Parallel Programming
Multispectral and Hyperspectral Image Compression
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-09-25
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/88005
http://hdl.handle.net/10316/88005
TID:202306380
url http://hdl.handle.net/10316/88005
identifier_str_mv TID:202306380
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133981032054784

Similar Items