面向OpenVX的并行处理器设计：优化图像处理性能与网络功耗

本文主要探讨了面向OpenVX核心图像处理函数的并行架构设计，着重在计算机视觉（Computer Vision, CV）背景下，尤其是在深度学习的推动下，图像处理的重要性日益凸显。OpenVX作为一种开放的跨平台图像处理框架，其1.3标准定义了一系列核心函数，涵盖了基本像素操作、全局处理、局部处理以及特征提取等关键任务，这对于实时性和精度要求极高的应用场景至关重要。 文章首先强调了传统硬件在可编程性、性能和低功耗方面的局限，以及可编程技术如专用指令集处理器（Application-Specific Instruction Processor, ASIP）的兴起。这种新型处理器结合了ASIC的高处理能力与灵活性，特别适合图形图像处理任务，能够在单个阵列结构中融合线程并行、数据并行、指令并行和操作并行，从而显著提升性能。 针对硬件网络架构的选择，文章深入研究了网络拓扑对性能的影响，并提出了层次交叉互联网络（Hierarchically Cross-Connected Mesh+, HCCM+），这种网络结构提供了更大的灵活性，可根据不同应用的需求动态调整网络结构，从而降低整体能耗。作者以HCCM+为基础，设计了一种可编程的OpenVX并行处理器，能够在有限的硬件资源内，通过程序化的方式实现对OpenVX标准中核心图像处理函数的高效映射，实现了通用的图像处理加速。 具体而言，OpenVX的核心图像处理函数设计涵盖了多种操作，如像素级别的颜色空间转换、滤波器应用、边缘检测、特征检测等。通过将这些函数映射到并行处理器的不同部分，可以实现并行执行，极大地提升了处理效率。此外，这种设计还考虑了硬件资源的优化利用，旨在提供一个既高效又能适应未来CV任务需求的解决方案。 本文的贡献在于提出了一种创新的并行架构设计，不仅提升了OpenVX在嵌入式系统中的性能和灵活性，而且在功耗管理和网络优化方面也展现了其优势，对于推动计算机视觉领域的硬件发展和实际应用具有重要意义。