Englische Übersetzung des Titels: Online and Offline Processing of Biological Cell Images on FPGAs and GPUs
Vorschau |
PDF, Deutsch
Download (5MB) | Nutzungsbedingungen |
Abstract
Wenn Bilder von einem Mikroskop mit hohem Datendurchsatz aufgenommen werden, müssen sie wegen der großen Bildmenge in einer automatischen Analyse prozessiert werden. Es gibt zwei Ansätze: die Offlineprozessierung, die Verarbeitung der Bilder auf einem Cluster, und die Onlineprozessierung, die Verarbeitung des Pixelstroms direkt von den Sensoren. Für die Bewältigung der Bilddaten in der Offlineprozessierung setzt diese Arbeit auf Grafikkarten und demonstriert eine Implementierung der Haralick-Bildmerkmalerkennung in CUDA. Dabei wird der Algorithmus um den Faktor 1000, gegenüber einer CPU-Lösung, beschleunigt. Dies ermöglicht den Biologen weitere Tests und einen schnelleren Erkenntnisgewinn. Die Onlineprozessierung setzt auf FPGAs, die sich mit den Sensoren elektrisch verbinden lassen. Dabei soll sich der Algorithmus dem Bedarf der Biologen entsprechend verändern lassen. Diese Arbeit zeigt die Entwicklung eines OpenCL-FPGA-Kompilierer-Prototyps. Die Biologen können Algorithmen in OpenCL schreiben und in ein Hardwaredesign für den FPGA übersetzen, was in einer Hardwarebeschreibungssprache für sie zu komplex wäre. Neben der Einfachheit hat die parallele Sprache OpenCL den Vorteil der Portierbarkeit auf andere Architekturen. Falls der FPGA-Kompilierer wegen existierender Einschränkungen den Algorithmus nicht übersetzen kann, lässt sich das OpenCL-Programm auch für die GPUs in der Offlineprozessierung übersetzen.
Übersetzung des Abstracts (Englisch)
This work is about images from a high throughput microscopy. Because of the huge amount of images, the analysis has to be processed in an automatic way. There are two approaches: the offline processing, image processing on a computer cluster, and the online processing, image processing of the streaming data from the sensors. To cope with the image data in the offline processing this work uses graphics cards as accelerators and shows an CUDA implementation of the Haralick Texture Features. The accelerated version achieves a speed up of around 1000 against a CPU solution. This offers the biologist the opportunity to do more tests and leads to a faster gain of knowledge. The online processing uses FPGAs which are easy to connect to the sensors. The biologists have the constraint to adapt the algorithm for their future needs. This work presents a developed OpenCL to FPGA compiler prototype. The algorithm can be written in OpenCL and compiled for the FPGA without any knowledge of any hardware description language. Furthermore, OpenCL is a portable language between several computing architectures. If an algorithm written in OpenCL is too complex for the FPGA compiler due to the existing restrictions, then a compilation for the GPUs in the offline processing environment is still possible.
Dokumententyp: | Dissertation |
---|---|
Erstgutachter: | Männer, Prof. Dr. Reinhard |
Tag der Prüfung: | 7 Mai 2012 |
Erstellungsdatum: | 16 Mai 2012 09:15 |
Erscheinungsjahr: | 2012 |
Institute/Einrichtungen: | Fakultät für Mathematik und Informatik > Institut für Informatik |
DDC-Sachgruppe: | 004 Informatik |
Normierte Schlagwörter: | Field programmable gate array, CUDA <Informatik>, OpenCL, Partielle Rekonfiguration |
Freie Schlagwörter: | Pipelinegeneratorpipeline generator |