Algorithmes de la morphologie mathématique pour - Pastel - HAL

Algorithmes de la morphologie mathématique pour les architectures orientées fluxJaromír BRAMBORmorphologiques travaillant sur le voisinage peut raccourcir le temps du calcul. Nous avons exploré égalementl’utilisation d’un autre type d’architectures intéressant de ce point de vue – les processeurs graphiques– et nous avons démontré sur les résultats expérimentaux qu’ils sont, à présent, assez performantspour concurrencer les GPP afin d’assurer l’exécution des opérations morphologiques. L’apportsecondaire de cette thèse est celui du formalisme fonctionnel que nous avons adopté pour la descriptionde nos algorithmes travaillant sur les flux de données.Perspectives et axes de recherche possiblesLes travaux effectués pendant la préparation de cette thèse ont évoqué certaines idées ou même desproblématiques qui n’ont pas pu être explorées en entier ou qui n’ont pas trouvé de vraie place dansce manuscrit. Nous les mentionnons dans la section des perspectives comme les sujets d’une possibleprochaine exploration car nous trouvons qu’ils sont intéressants. La valorisation des algorithmes dans lesarchitectures dédiées est également à envisager.La première idée, qui est tout-à-fait intéressante et qui se joint aux idées mentionnées implicitementdans cette thèse, est l’utilisation des processeurs à plusieurs cœurs pour paralléliser le calcul morphologiqueset les architectures à plusieurs fils d’exécution, logiques ou physiques. Étant donné que nos effortsd’expérimentation se sont concentrés sur les tests comparatifs effectués sur les processeurs avec un seulfil d’exécution, il serait envisageable, et même très important pour les applications pratiques, d’effectuerune étude comparative qui montrerait les gains de performance lors d’exécution des algorithmes décritsdans cette thèse sur les architectures parallèles qui peuvent exploiter le paradigme stream de traitementdes données ; cela à l’échelle des tâches par le paradigme Divise et conquiers mais également à l’échelledes éléments des streams par la réplication fonctionnelle (où nous remplaçons la fonction map du Haskellpar la fonction farm).Une autre idée est relative aux implémentations des algorithmes sur les architectures spécialisées,telles que les architectures nativement construites pour l’exécution en stream (e.g. le processeur Imagine)ou les architectures dédiées à la morphologie mathématique (e.g. les architectures prototypées à l’aidedes FPGA). Cette idée est à considérer autant de plus vu le déroulement des événements les plus récentsoù l’AMD vient d’annoncer Pri06 l’introduction de la technologie ouvrant pour les FPGA un accès directdans l’architecture des processeurs GPPMM. Cette technologie, nommée Torrenza et destinée pour lagamme des processeurs AMD Opteron, devrait profiter de la liaison rapide à la mémoire centrale et auprocesseur lui-même laissant ainsi un grand terrain libre pour les applications dédiées, y compris cellesde la morphologie mathématique auxquelles nous nous intéressons le plus.La construction des procédés du calcul en flux de données qui utilisent la propagation à base derègles et dépendant du contenu de l’image est également une idée à explorer. Cette problématique estsouvent traitée par les files d’attente ou les files d’attente hiérarchiques et est également intéressante ;surtout si nous voulons explorer l’exécution en stream et profiter de la parallélisation par la réplicationfonctionnelle. Notons que certains principes d’activation des pixels en parallèle qui sont utilisés lors dutraitement des files d’attente sont décrits dans la thèse de Dominique Noguet Nog98 .Pouvoir exécuter les algorithmes à base de files d’attente sur les processeurs graphiques est égalementun sujet important à étudier. Ce type de traitement est, à l’état actuel des technologies des GPU, difficileà effectuer car malgré le fait que les GPU peuvent sortir en même temps plusieurs valeurs correspondantà l’activation / non-activation des voisins d’un pixel, le placement des pixels à traiter au bon endroit dela file d’attente n’est pas trivial et demanderait plusieurs itérations de traitement du pipeline graphique.Ce qui se serait traduit par l’augmentation du temps du calcul nécessaire et ce qui, par conséquent,défavoriserait fortement les GPU dans un tel scénario d’utilisation. Les changements de la structuredes processeurs graphiques nous semblent cruciaux pour pouvoir effectuer ce type de traitement afind’obtenir des performances intéressantes.Dans la partie introductive (cf. la section 3.4.6, page 55), nous avons mentionné Brook – l’outil detraitement des données en stream utilisant les GPU comme support du calcul. D’après nos expériences, il194