Stream Image Processing on a Dual-Core Embedded System

Benjamin, M. G.; Kaeli, David

doi:10.1007/978-3-540-73625-7_17

Cited by 4 publications

(2 citation statements)

References 19 publications

(13 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Stream processing not only can address the memory accessing bottlenecks by decouples computation and memory accesses [1] but also can be used for applications in which data is continuously generated during the computation. Streaming image processing is one domain of stream processing.…”

Section: Introductionmentioning

confidence: 99%

Heterogeneous hardware accelerator architecture for streaming image processing

Pham‐Quoc

Al-Ars

Bertels

2013

2013 International Conference on Advanced Technologies for Communications (ATC 2013)

View full text Add to dashboard Cite

This paper proposes a heterogeneous hardware accelerator architecture to support streaming image processing. Each image in a data-set is pre-processed on a host processor and sent to hardware kernels. The host processor and the hardware kernels process a stream of images in parallel. The Convey hybrid computing system is used to develop our proposed architecture. We use the Canny edge detection algorithm as our case study. The data-set used for our experiment contains 7200 images. Experimental results show that the system with the proposed architecture achieved a speed-up of the kernels by 2.13× and of the whole application by 2.40× with respect to a software implementation running on the host processor. Moreover, our proposed system achieves 55% energy reduction compared to a hardware accelerator system without streaming support.

show abstract

Section: Introductionmentioning

confidence: 99%

Heterogeneous hardware accelerator architecture for streaming image processing

Pham‐Quoc

Al-Ars

Bertels

2013

2013 International Conference on Advanced Technologies for Communications (ATC 2013)

View full text Add to dashboard Cite

show abstract

“…], ARM7'nin performansının ozellikle yüksek çözünürlüklü gerçek zamanlı video işleme için gerekli seviyenin altında oldugunu göstermektedir.Öte yandan ARM9 ve ARM11 sinyal işleme algoritmaları için yeni beceriler sunmaktadır. Bununla birlikte ARM11özellikle çokluortam uygulamaları için düzenlendiginden LCD denetleyicisi, MPEG kodlayıcısı ve grafik hızlandırıcısı gibi geniş bir çevre birim yelpazesini bünyesinde barındırmaktadır.Ön işlemeden kodlamaya kadar pek çok görüntü/video işleme algoritması,özel matrislerden[7] faydalanarak görüntüyü dönüştüren, bir dizi konvolüsyondan oluşmaktadır. Bu çalışmada konvolüsyon işlemï ozelinde, ARM9 ve ARM11'in performansları karşılaştırılarak, ARM11 tabanlı dügümlerin, TÇ AA'larda gerçekleştirilecek sinyal işleme uygulamalarına saglayacagı avantajlar ortaya konulmaktadır.…”

unclassified

Image processing capabilities of new generation arm cores for WMSNs

Camgöz

Ozturk

Güvensan

et al. 2012

2012 20th Signal Processing and Communications Applications Conference (SIU)

View full text Add to dashboard Cite

Son yıllarda Telsiz Algılayıcı Aglar konusunda hızlı gelişmeler yaşanmıştır.Özellikle yakın zamanda, CMOS kamera ve mikrofonlar gibi donanımların ucuzlayarak yaygınlaşması Telsiz Ç okluortam Algılayı Agların (TÇ AA) gelişimindë onemli rol oynamıştır. Bu aglarda çevreden toplanan bilginin yorumlanması için yüksek işlem gücüne sahip dügümlere ihtiyaç duyulmaktadır. TÇ AA'ların yapısında kullanılan dügümlerin büyük çogunlugunda ARM7 çekirdegine sahip mikrodenetleyiciler kullanılmaktadır. Son zamanlarda gömülü sistem uygulamarında kullanılan uygun maliyetli ve esnek yapıdaki ARM9 ve ARM11 çekirdeklerine sahip mikrodenetleyiciler ARM7 çekirdegine alternatif oluşturmaktadır. Bu çalışmada ARM9 ve ARM11 çekirdekleri işlem gücü ve enerji tüketimi açısından karşılaştırılmıştır. Gerçekleştirilen testler sonucunda ARM11 çekirdeginin ARM9 çekirdegine göre, işlemleri 3 ila 4 kat arasında daha hızlı gerçekleştirdigi gözlenmiştir. ABSTRACTLast decade witnessed the rapid development of Wireless Sensor Networks (WSNs). More recently, the availability of inexpensive hardware such as CMOS cameras and microphones that are able to ubiquitously capture multimedia content from the environment has fostered the development of Wireless Multimedia Sensor Networks (WMSNs). Nodes in such networks require significant amount of processing power to interpret the collected sensor data. Most of the currently available wireless multimedia sensor nodes are equipped with ARM7 core microcontrollers. On the other hand, ARM9 and ARM11 cores are viable alternatives, which deliver deterministic high performance and flexibility for demanding and cost-sensitive embedded applications. Thus, we evaluated the performance of the ARM9 and the ARM11 cores in terms of processing power and energy consumption. Our test results showed that the ARM11 core performed 3 to 4 times faster than the ARM9 core.

show abstract