[论文解读] Design space exploration for image processing architectures on FPGA targets

Chandrajit Pal, Avik Kotal+3 more|arXiv (Cornell University)|Apr 15, 2014

CCD and CMOS Imaging Sensors参考文献 5被引用 3

一句话总结

本文提出了一种针对FPGA上图像处理架构的设计空间探索（DSE）的系统化方法，通过利用硬件并行性和优化技术，实现了比软件移植更高的计算吞吐量和效率。通过流水线化、资源共享和高层次综合等技术对图像处理算法进行FPGA映射转换，作者在实时图像处理应用中展示了显著的性能提升。

ABSTRACT

Due to the emergence of embedded applications in image and video processing, communication and cryptography, improvement of pictorial information for better human perception like deblurring, denoising in several fields such as satellite imaging, medical imaging, mobile applications etc. are gaining importance for renewed research. Behind such developments, the primary responsibility lies with the advancement of semiconductor technology leading to FPGA based programmable logic devices, which combines the advantages of both custom hardware and dedicated DSP resources. In addition, FPGA provides powerful reconfiguration feature and hence is an ideal target for rapid prototyping. We have endeavoured to exploit exceptional features of FPGA technology in respect to hardware parallelism leading to higher computational density and throughput, and have observed better performances than those one can get just merely porting the image processing software algorithms to hardware. In this paper, we intend to present an elaborate review, based on our expertise and experiences, on undertaking necessary transformation to an image processing software algorithm including the optimization techniques that makes its operation in hardware comparatively faster.

研究动机与目标

• 为满足医疗成像、卫星成像和移动应用等嵌入式系统中日益增长的实时图像处理需求。
• 通过利用FPGA上的硬件并行性，克服纯软件实现的局限性。
• 开发一种系统化的设计空间探索框架，以优化FPGA目标上的图像处理算法。
• 在简单地将软件算法硬件移植的基础上，进一步提升计算密度和吞吐量。
• 提供一种实用的方法论，用于使用优化技术将图像处理工作负载映射到FPGA上。

提出的方法

• 应用高层次综合（HLS）将C/C++图像处理算法转换为FPGA实现的RTL。
• 采用流水线技术通过重叠计算阶段来提高吞吐量。
• 使用资源共享技术通过跨操作复用硬件组件来减少面积开销。
• 实现数据并行性以利用图像处理内核中的固有并发性。
• 通过迭代式设计空间探索来平衡性能、面积和功耗。
• 通过在FPGA平台上的原型实现，使用真实世界图像处理工作负载验证该方法。

实验结果

研究问题

• RQ1 如何有效将图像处理算法从软件转换为FPGA部署的硬件形式？
• RQ2 哪些优化技术能在FPGA上实现吞吐量、面积和功耗之间的最佳权衡？
• RQ3 基于FPGA的架构在图像处理工作负载中能多大程度上优于软件实现？
• RQ4 何种系统化方法能有效支持FPGA上图像处理的设计空间探索？
• RQ5 流水线和资源共享在FPGA设计中的性能和资源利用率方面产生何种影响？

主要发现

• 所提出的DSE方法论在直接软件移植基础上实现了显著的性能提升，达到了更高的吞吐量和计算密度。
• 流水线和资源共享技术有效减少了面积使用，同时在图像处理内核中保持了高吞吐量。
• FPGA上的硬件并行性使得对去模糊和去噪等计算密集型图像操作实现实时处理成为可能。
• 高层次综合的使用加速了FPGA原型开发，并支持对设计替代方案的快速探索。
• 该方法论在医疗和卫星成像等嵌入式图像处理应用中展示了可行性与有效性。
• 由于FPGA的可重构能力，该方法支持快速原型开发，从而缩短了部署时间。