THESE/these.tex

   1 \documentclass[french]{spimufcphdthesis}
   2 \usepackage[utf8]{inputenc}
   3 \usepackage[T1]{fontenc}
   4
   5 \usepackage{graphicx}
   6 \usepackage{color, xcolor}
   7 \usepackage[ruled,lined,linesnumbered]{algorithm2e}
   8 \usepackage{multirow}
   9 \usepackage{placeins}
  10
  11 \usepackage{amsmath}
  12 \usepackage{booktabs}
  13 \usepackage{textcomp}
  14 \usepackage{listings}
  15
  16 \let\OLDlstinputlisting\lstinputlisting
  17 \renewcommand{\lstinputlisting}[2][]{\FloatBarrier\OLDlstinputlisting[#1]{#2}\FloatBarrier}
  18
  19
  20 \lstset{morekeywords={HALF4,HALF3,float2,float3,float4,half,half2,half3,half4,tex2D,dim3,endif,threadIdx,blockIdx,blockDim,gridDim,Dim3,__host__,__global__,__shared__,float}}
  21 \lstset{
  22   language=C,
  23   columns=fixed,
  24   basicstyle=\footnotesize\ttfamily,
  25   numbers=left,
  26   firstnumber=1,
  27   numberstyle=\tiny,
  28   stepnumber=5,
  29   numbersep=5pt,
  30   tabsize=3,
  31   extendedchars=true,
  32   breaklines=true,
  33   keywordstyle=\textbf,
  34   frame=single,
  35   % keywordstyle=[1]\textbf,
  36   %identifierstyle=\textbf,
  37   commentstyle=\color{white}\textbf,
  38   stringstyle=\color{white}\ttfamily,
  39   % xleftmargin=17pt,
  40   % framexleftmargin=17pt,
  41   % framexrightmargin=5pt,
  42   % framexbottommargin=4pt,
  43   backgroundcolor=\color{lightgray},
  44   basicstyle=\scriptsize,
  45   texcl=true
  46   }
  47
  48 %%--------------------
  49 %% Set the title, subtitle, defense date, and
  50 %% the registration number of the PhD thesis.
  51 %% The optional parameter is the subtitle of the PhD thesis.
  52 %% The first mandatory parameter is the title of the PhD thesis.
  53 %% The second mandatory parameter is the date of the PhD defense.
  54 %% The third mandatory parameter is the reference number given by
  55 %% the University Library after the PhD defense.
  56 \declarethesis[]{Algorithmes rapides pour le filtrage et la segmentation des images bruitées sur GPU}{17 avril 2013}{XXX}
  57
  58 %%--------------------
  59 %% Set the author of the PhD thesis
  60 \addauthor[gilles.perrot@univ-fcomte.fr]{Gilles}{Perrot}
  61
  62 %%--------------------
  63 %% Add a member of the jury
  64 %% \addjury{Firstname}{Lastname}{Role in the jury}{Position}
  65 \addjury{Jean-Michel}{Dischler}{Rapporteur}{Professeur à l'Université de Strasbourg}
  66 \addjury{Dominique}{Houzet}{Rapporteur}{Professeur à l'Institut Polytechnique \\de Grenoble (INP)}
  67 \addjury{Sylvain}{Lefebvre}{Examinateur}{Chargé de recherches à l'INRIA \\de Sophia Antipolis}
  68 \addjury{Nicolas}{Bertaux}{Examinateur}{Maître de conférences HDR à l'Université \\d'Aix-Marseille}
  69 \addjury{Stéphane}{Domas}{Co-encadrant}{Maître de conférences à l'Université \\de Franche-Comté}
  70 \addjury{Raphaël}{Couturier}{Directeur de thèse}{Professeur à l'Université \\de Franche-Comté}
  71
  72
  73 %%--------------------
  74 %% Set the laboratory where the thesis was made
  75 \addlaboratory{Institut FEMTO-ST, département DISC}
  76
  77 %%--------------------
  78 %% Set the English abstract
  79 \thesisabstract[english]{
  80 %Recent graphical processing units (GPU), bring parallel computing capabilities to almost every developper,
  81 In theory, modern graphical processing units (GPUs) make parallel programming accessible to all, and have triggered widespread interest  among researchers or developers  of all disciplines, with the hope of dramatically increasing processing speeds. Nevertheless, obtaining such performances cannot be done without considerable designing efforts : as an answer, we propose two GPU-based methods leading to fast implementations of several algorithms targeted to processing noisy images. One of them consists in porting the segmentation algorithm named \textit{snake}, with the effect of extending  its processing capacity and performance. A second involves a innovative GPU-specific algorithm, based on searching for level lines within gray-level or color images to reduce gaussian noise, whose quality-to-speed ratio is particularly interesting.
  82 Through extremely fine-tuned management of the different memory types available on GPUs, we have also conferred unprecedent flow rates to the median filter, making it able to process over 5 billion pixels per second. Eventually, we extended the above methods to the more generic convolution filter, and showed they out-perform the fastest implementations known to date, with over 7 billion pixels per second. In addition, we provide an on-line application that enables any developer to automatically generate operational source code of our filters.
  83 }
  84 %%--------------------
  85 %% Set the English keywords. They only appear if
  86 %% there is an English abstract
  87 \thesiskeywords[english]{GPU, Filtering, Image, Segmentation}
  88
  89 %% --------------------
  90 %% Set the French abstract
  91 \thesisabstract[french]{
  92  Les cartes graphiques modernes (GPU) mettent, en théorie, la programmation parallèle à la portée de tous. Ces facilités ont éveillé l'intérêt des chercheurs et développeurs de toutes disciplines, qui ont tenté de tirer parti des performances élevées de ces matériels. Cependant, d'importants efforts de conception sont souvent nécessaires à l'obtention des vitesses de traitement espérées.
  93 Dans cette thèse, nous proposons des méthodes conduisant à des implémentations rapides de plusieurs algorithmes destinés au traitement des images fortement bruitées. La première est une transposition sur GPU d'un algorithme de segmentation dit du \textit{snake} dont la capacité de traitement a été étendue et les performances améliorées. La seconde décrit un algorithme original, basé sur la recherche des lignes de niveaux et conçu spécifiquement pour les GPUs, qui réduit le bruit gaussien dans les images en niveaux de gris ou en couleur et dont le rapport qualité/vitesse est particulièrement intéressant. En concevant une gestion fine des mémoires du GPU, nous avons également conféré un débit de traitement inégalé au filtre médian, pouvant dépasser les 5 milliards de pixels à la seconde. Enfin nous avons étendu l'application de ces techniques à un opérateur beaucoup plus générique, le filtre de convolution, et montré qu'elles permettaient de surpasser les implémentations les plus rapides connues jusqu'alors, avec un maximum au delà des 7 milliards de pixels à la seconde. Nous mettons aussi à disposition une application en ligne permettant à tout développeur de générer les codes sources opérationnels des filtres que nous avons décrits.
  94 }
  95
  96
  97 %%--------------------
  98 %% Set the French keywords. They only appear if
  99 %% there is an French abstract
 100 \thesiskeywords[french]{GPU, Filtrage, Image, Segmentation}
 101
 102 %%--------------------
 103 %% Change the speciality of the PhD thesis
 104 \Set{speciality}{Informatique}
 105
 106 %%--------------------
 107 %% Change the institution
 108 \Set{universityname}{Universit\'e de Franche-Comt\'e}
 109
 110 %%--------------------
 111 %% Change the header and the foot of the pages
 112 %% Left header
 113 %\lhead{}
 114 %% Center header
 115 %\chead{}
 116 %% Right header
 117 %\rhead{}
 118 %% Left footer
 119 %\lfoot{}
 120 %% Center footer
 121 %\cfoot{}
 122 %% Right footer
 123 %\rfoot{}
 124
 125
 126 %\declareupmtheorem{rq}{Remarque}{Liste des remarques}
 127
 128
 129 \newcommand{\kl}{\includegraphics[scale=0.7]{kernLeft.png}~}
 130 \newcommand{\kr}{\includegraphics[scale=0.7]{kernRight.png}}
 131 \usepackage{bbold}
 132 \def\indentit{\mbox{l\hspace{-0.55em}1}}
 133
 134
 135 \begin{document}
 136 \tableofcontents
 137 \mainmatter
 138 \part{Introduction}
 139 \chapter{Préambule}
 140 \input{Chapters/chapter1/chapter1.tex}
 141 \chapter{Les processeurs graphiques (GPU) NVidia\textregistered}\label{ch-GPU}
 142 \input{Chapters/chapter1b/chapter1b.tex}
 143 \part{Le traitement des images}
 144 \section*{Introduction}
 145 \input{Chapters/chapter2/chapter2.tex}
 146 \chapter{Modèles d'image et de bruits - notations}
 147 \input{Chapters/chapter2/chapter2b.tex}
 148 \chapter{Les techniques de réduction de bruit\label{ch-filtrage}}
 149 \input{Chapters/chapter2/chapter2c.tex}
 150 \chapter{Les techniques de segmentation des images}
 151 \input{Chapters/chapter2/chapter2d.tex}
 152
 153 \part{Algorithmes GPU rapides pour la réduction de bruit et la segmentation}
 154 \chapter{La segmentation par snake polygonal orienté régions\label{ch-snake}}
 155 \input{Chapters/chapter3/chapter3.tex}
 156
 157 \chapter{Réduction de bruit par recherche des lignes de niveaux\label{ch-lniv}}
 158 \input{Chapters/chapter4/chapter4.tex}
 159
 160 \chapter{Le filtre médian sur GPU\label{ch-median}}
 161 \input{Chapters/chapter5/chapter5.tex}
 162
 163 \chapter{Les filtres de convolution sur GPU\label{ch-convo}}
 164 \input{Chapters/chapter6/chapter6.tex}
 165
 166 %\part{Conclusions et perspectives}
 167 \chapter{Conclusion générale}
 168 \input{Chapters/chapter1/conclusion.tex}
 169
 170 \backmatter
 171 \chapter*{Remerciements}
 172 \input{Chapters/chapter1/rem.tex}
 173
 174 %--------------------
 175 % Bibliography, indexes...
 176 \bibliographystyle{plain}
 177 \bibliography{biblio}
 178 \listoffigures
 179 \listoftables
 180
 181 \appendix
 182
 183 \end{document}