Systemy wizyjne dynamicznie się rozwijają jednak ich zastosowanie uwarunkowane jest dostępnością mocy obliczeniowej. Ostatnio nie obserwuje się wzrostu częstotliwości taktowania systemów cyfrowych. Zwiększanie mocy obliczeniowej uzyskiwane jest poprzez zwielokrotnienie liczby jednostek obliczeniowych. Badacze zwracają jednak uwagę, że potencjał równoległych obliczeń nie jest w pełni wykorzystany.
W rozprawie dokonano przeglądu rodzajów równoległości w na potrzeby strumieniowej realizacji systemów wizyjnych. Analizę przeprowadzono dla wybranych torów wizyjnych z uwzględnieniem operacji o różnorakim kontekście pikseli w obrazie: przestrzenny lokalny, przestrzenny globalny i kontekst temporalny. Zastosowano różne rodzaje równoległości (danych, operacji) adekwatne do założeń i zidentyfikowanych ograniczeń: działanie strumieniowe, niska częstotliwość taktowania (osiąganie niezbędnych mocy obliczeniowych przy możliwie małym zużyciu energii), różne rodzaje kontekstów obrazu, zależność czasu wykonania od treści strumienia wizyjnego, ograniczenia platformy obliczeniowej (w tym pamięciowe).
Zasadniczym osiągnięciem badań opisanych w rozprawie jest opracowanie nowatorskiej metodyki zrównoleglenia algorytmów wizyjnych. Zaproponowany sposób postępowania pozwala na implementację złożonych systemów wizyjnych w układach rekonfigurowalnych. Zastosowanie ilościowych wskaźników umożliwia ocenę wykonalności bezstratnego, pływowego systemu wizyjnego z uwzględnieniem wpływu treści strumienia wizyjnego na czas obliczeń i opóźnienie transportowe.
Machine Vision systems develop continuously, its applications however, depend on availability of computing power. It has been observed recently that switching frequency of digital systems does not increase any more. Therefore multiple instances of processing elements are widely used to achieve higher computing power. The thesis contains an review of parallelism related data stream driven vision systems. The research has been carried out on selected video pipelines that manifest particular types of pixel context in an image: spatial local context, spatial global context and temporal context.
Types of parallelism (data parallelism, operation parallelism) have been applied, adequately to particular requirements and recognized constraints: data stream driven operation, low switching frequency (i.e. achieving appropriate computing power at low energy expense), various image data contexts, an impact of data stream contents on data processing time, limitations of computing platform (including memory limitations).
The essential achievement of the work is a novel methodics of parallelization applied in the field of vision algorithms. Proposed rules and techniques enable implementation of complex vision systems on reconfigurable computing platforms.
According to the methodics proposed, the feasibility study of lossless data stream driven vision system with processing time and latency impacted by the video stream contents, is enabled by a selection of quantitative factors
