A Parallel Implementation of the 2D Wavelet Transform Using CUDA

Franco, Joaquín David Romera; Bernabé, Gregorio; Fernández, J.F.; Acacio, Manuel E.

doi:10.1109/pdp.2009.40

Cited by 71 publications

(32 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The row-column methods process all of the horizontal filtering steps prior to the vertical ones. The row-column method applied on the entire 2-D image was used for instance in [10][11][12][13][14][15][16]. In some papers, the transition between the horizontal and vertical stage is accompanied with data transposition.…”

Section: Sweldens Schemementioning

confidence: 99%

Parallel wavelet schemes for images

Barina

Kula

Zemčík

2016

J Real-Time Image Proc

View full text Add to dashboard Cite

In this paper, we introduce several new schemes for calculation of discrete wavelet transforms of images. These schemes reduce the number of steps and, as a consequence, allow to reduce the number of synchronizations on parallel architectures. As an additional useful property, the proposed schemes can reduce also the number of arithmetic operations. The schemes are primarily demonstrated on CDF 5/3 and CDF 9/7 wavelets employed in JPEG 2000 image compression standard. However, the presented method is general, and it can be applied on any wavelet transform. As a result, our scheme requires only two memory barriers for 2-D CDF 5/3 transform compared to four barriers in the original separable form or three barriers in the non-separable scheme recently published. Our reasoning is supported by exhaustive experiments on high-end graphics cards.

show abstract

Section: Sweldens Schemementioning

confidence: 99%

Parallel wavelet schemes for images

Barina

Kula

Zemčík

2016

J Real-Time Image Proc

View full text Add to dashboard Cite

show abstract

“…2008 yılında da Tenllado ve diğerleri iki boyutlu ayrık dalgacık dönüşümünün sıkıştırma performansını arttırılması ve farklı dalgacık fonksiyonlarına ait paralel modellerinin karşılaştılılması amacı ile programlanabilir grafik kartlarını kullanmışlar [5], %10 ile %140 arasında değişen oranlarda çalışma performansı iyileştirilmiştir [5]. Sonrasında Franco ve diğerleri ile Van der Laan ve diğerleri doğrudan CUDA platformunu kullanarak farklı dalgacıklar üzerinde dönüşüm performansını çeşitli üretici firmalara ait işlemciler üzerinde çalıştırılmış seri uygulamalar ile karşılaştırmışlardır [6,7]. Franco ve diğerleri, Nvidia Tesla c870 grafik kartı ile 20 kat performans artışı sağlarken [6] Laan ve diğerleri, satır-sütun ve blok temelli metodlardan yola çıkarak yeni bir hibrit metod önermiş, iki ve üç boyutlu resim verilerinin dalgacık temelli dönüşümlerinde işlemci temelli seri uygulamalara kıyasla olduka çalışma sürelerini oldukça kısalttığı görülmüştür [7].…”

Section: Yüksekunclassified

“…Sonrasında Franco ve diğerleri ile Van der Laan ve diğerleri doğrudan CUDA platformunu kullanarak farklı dalgacıklar üzerinde dönüşüm performansını çeşitli üretici firmalara ait işlemciler üzerinde çalıştırılmış seri uygulamalar ile karşılaştırmışlardır [6,7]. Franco ve diğerleri, Nvidia Tesla c870 grafik kartı ile 20 kat performans artışı sağlarken [6] Laan ve diğerleri, satır-sütun ve blok temelli metodlardan yola çıkarak yeni bir hibrit metod önermiş, iki ve üç boyutlu resim verilerinin dalgacık temelli dönüşümlerinde işlemci temelli seri uygulamalara kıyasla olduka çalışma sürelerini oldukça kısalttığı görülmüştür [7].…”

Section: Yüksekunclassified

Çoklu Ekran Kartı ile Hızlandırılmış Ayrık Haar Dalgacık Dönüşümü Temelli Görüntü Şıkıştırma

Aslan¹,

Badem²,

Ozcan³

et al. 2015

KSU J. Eng. Sci.

View full text Add to dashboard Cite

ÖZET: 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. Anahtar Kelimeler: Ayrık Haar Dalgacık Dönüşümü, Grafik Kartı Kümeleme, Paralel Hesaplama Image Compression with Multi-GPU Accelerated Discreate Haar Waveled TramsformABSTRACT: Wavelet functions play a vital role in the vast majority of the transforms used in the signal processing applications. The easy implementation of the discrete Haar wavelet transform by taking the average and difference of the sequential pixel values has increased the usability of the graphics card with multiple threads on suitable parallelized scenarios. In this paper, discrete Haar wavelet transform ported in a compute-efficient way to CPU and GPU clusters by utilizing Message Passing Interface (MPI) and Computer Unified Device Architecture (CUDA), respectively. Experimental studies conducted as part of the parallelization strategies for two-dimensional discrete Haar wavelet transform showed that the total running time required to process all rows and columns of an image with different size is significantly decreased when compared its counterparts on single CPU and single GPU.

show abstract

“…In [5], it is presented a CUDA algorithm that performs the onelevel 2D DWT algorithm in 45ms (without data transfer to and from GPU) on high resolution image with 4096x4096 pixels using NVIDIA Tesla C870. Another highly optimized algorithm is proposed in [6].…”

Section: Gpgpu Architecturementioning

confidence: 99%

Two-Dimensional Discrete Wavelet Transform on Large Images for Hybrid Computing Architectures: GPU and CELL

Błażewicz

Ciznicki

Kopta

et al. 2012

Euro-Par 2011: Parallel Processing Workshops

View full text Add to dashboard Cite

Abstract. The Discrete Wavelet Transform (DWT) has gained the momentum in signal processing and image compression over the last decade bringing the concept up to the level of new image coding standard JPEG2000. Thanks to many added values in DWT, in particular inherent multi-resolution nature, wavelet-coding schemes are suitable for various applications where scalability and tolerable degradation are relevant. Moreover, as we demonstrate in this paper, it can be used as a perfect benchmarking procedure for more sophisticated data compression and multimedia applications using General Purpose Graphical Processor Units (GPGPUs). Thus, in this paper we show and compare experiments performed on reference implementations of DWT on Cell Broadband Engine Architecture (Cell B.E) and nVidia Graphical Processing Units (GPUs). The achieved results show clearly that although both GPU and Cell B.E. are being considered as representatives of the same hybrid architecture devices class they di er greatly in programming style and optimization techniques that need to be taken into account during the development. In order to show the speedup, the parallel algorithm has been compared to sequential computation performed on the x86 architecture.

show abstract

A Parallel Implementation of the 2D Wavelet Transform Using CUDA

Cited by 71 publications

References 21 publications

Parallel wavelet schemes for images

Parallel wavelet schemes for images

Çoklu Ekran Kartı ile Hızlandırılmış Ayrık Haar Dalgacık Dönüşümü Temelli Görüntü Şıkıştırma

Two-Dimensional Discrete Wavelet Transform on Large Images for Hybrid Computing Architectures: GPU and CELL

Contact Info

Product

Resources

About