基于MPI的分水岭与区域合并结合算法的并行化研究

摘要

目前，如何对大数据量的图像进行有效、快速的分割已经成为国际图像处理领域的一个重要研究热点。引入有针对性的分割方法，并进行并行处理为这个问题的解决提供了一条有效的途径。
　　 分水岭算法是一种迅速、有效的图像分割手段，但由于受噪声和平坦区域内部细密纹理的影响，算法检测的局部极值过多，在后续分割中出现大量的细小区域，容易产生过度分割现象；本文将分水岭算法和种子区域生长算法相结合用以解决过度分割现象，得到较好的效果。然而随着图像规模的增加，分水岭分割的区域数量急剧上升，区域合并的运算量增加，最终致使分割图像耗费时间的增长。
　　 为了解决分割的速度问题，本文应用MPI并行处理技术对分水岭结合区域合并的图像分割进行并行化处理。文章首先介绍了并行计算，并行算法编程思想，MPI并行技术；之后对分水岭区域合并算法的原理进行了详细分析，并使用C++语言实现了其串行算法，最后对并行系统框架设计，图像数据划分，并行算法设计进行了研究，在此基础上使用MPI实现了分水岭区域合并图像分割，并取得一定的加速比。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 并行算法设计

第三章 MPI简要介绍

第四章 分水岭区域合并算法串行化分析

第五章 分水岭结合区域合并算法并行化实现

第六章 实验结果与分析

第七章 总结和展望

参考文献

致 谢

参与项目