ANET : un environnement à parallélisme de données pour l'analyse d'image

ANET : a data-parallel programming environment for image analysis

• Auteur / Autrice : Nicolas Sicard
• Direction : Alain Mérigot
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2004
• Etablissement(s) : Paris 11

Mots clés

Mots clés libres

Environnement de programmation

Réseaux associatifs

Mémoire partagée

Problèmes irréguliers

Scans

Segmentation

Squelettisation

Résumé

Les Réseaux Associatifs constituent un modèle de calcul parallèle original permettant d'exprimer aisément des calculs sur des données distribuées sur un réseau. Ce réseau, représenté par un graphe, généralement sous forme de maille, sert à véhiculer les valeurs entre les sommets. Par des mécanismes d'activation ou de désactivation des arcs de ces graphes, il est alors possible de former des structures irrégulières sur lesquelles peuvent être appliquées des primitives de calcul globales appelées associations. Le traitement et l'analyse d'image sont les principales applications de ce modèle. Notre étude porte sur la mise en œuvre d'un modèle de programmation des Réseaux Associatifs sur machines parallèles à usage général, afin de proposer un environnement de programmation adapté à ce support d'exécution. Nous étudions dans un premier temps les spécifications du modèle de programmation et nous proposons une première approche d'extension pour la représentation simplifiée de régions d'une image par les Réseaux Virtuels. Nous nous intéressons ensuite aux conditions d'une parallélisation efficace des primitives de calcul sur réseaux de stations ou sur machines à mémoire partagée. Nous montrons enfin, au travers de deux applications classiques d'analyse d'image, en quoi ce modèle de programmation constitue une solution élégante et compacte pour l'expression des algorithmes d'analyse d'image et la parallélisation automatique efficace de programmes complets. Ce travail a conduit au développement d'ANET, ensemble de bibliothèques de programmation pour l'analyse d'image sur machines parallèles à mémoire partagée.

The Associative Networks model is an original parallel programming model that allows to easily express calculations on data distributed over a network. The network is modelized by a graph, generaly a mesh, that is used to transfer the values between the nodes. Through a mechanism of link activation/ deactivation, it is then possible to build irregular structures, on which global computation primitives, also called ''associations'', may be applied. Image analysis computation is the main purpose of this model. Our study is about the implementation of a programming model of the Associative Networks on general parallel machines in order to build a programming environment adapted for this kind of architectures. First we study the programming model specifications and we propose a first approach for a simplified representation of image areas through Virtual Networks. Then we study the conditions of an effective parallelization of computation primitives on workstation networks or shared memory parallel architectures. Finally, we show through two traditional examples in what our programming model constitutes an elegant and compact solution for image analysis algorithm expression and for an automatic efficient parallel implementation of complete programs. This work led to the development of ANET, a set of software libraries in C or C++ for image analysis programming on shared memory parallel workstations.