文献类型：期刊文章

作　　者：魏秋明[1] 梁军[1] 鲍泓[2] 王晶[2] 李论[1]

机构地区：[1]北京联合大学电子信息技术实验实训基地,北京100101 [2]北京联合大学北京市信息服务工程重点实验室,北京100101

出　　处：《计算机工程》

基　　金：国家自然科学基金(NSFC61271370);北京市教育委员会科技计划面上项目(SQKM201411417010;KM201311417001)

年　　份：2017

卷　　号：34

期　　号：5

起止页码：240-247

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：随着实际应用中图像数据规模的增大和分辨率的提高,图像边缘检测算法的性能成为制约图像实时处理的关键。从向量化访存、数据本地化以及条件分支优化3个方面出发,结合算法特性和底层硬件架构特征,研究Canny边缘检测算法在NVIDIA Tegra K1异构计算平台上的GPU性能优化。实验结果表明,与基于Open CV3.0CPU的Canny边缘检测算法相比,优化后的Canny边缘检测算法在不同图像数据规模下可达13.2倍~17.8倍的性能加速比,具有较好的检测性能。

关 键 词：图像边缘检测 异构计算平台  向量化访存  数据本地化  条件分支优化  

分 类 号：TP391]