基于HyperX的受噪声污染图像的边缘检测算法的并行实现

摘要

随着科学技术的不断发展，图像处理在精度和准确度上取得了巨大进步。同时，随之而来的大数据量给传统的单核处理器带来了巨大压力。因此，在保证图像处理的准确率和精度的前提下，提高图像处理的速率也成为当前研究的重要方向。
　　图像处理中，图像的边缘信息表征了图像的基本特征，包含了图像最重要的信息。微分算子法、Sobel算子、Robert算子、Prewitt算子和Canny算法等传统的边缘提取方法可以方便快捷的完成对图像边缘的提取。但是，此类算法的共同缺点是抗噪性能差。对于受噪声污染严重的图像，采用此类传统算法进行边缘信息提取较为困难，极易造成边缘的误检或漏检。为保证图像边缘信息提取的准确性，并尽量减少噪声对于图像边缘的干扰，本文提出双边滤波与Canny算法相结合的新算法，并在Maltalb软件平台上实现该算法，然后将其移植到HyperX平台完成并行实现。该算法充分利用双边滤波的保边去噪功能和 Canny算法提取边缘的精确性，使得边缘检测性能得到提升。具体方案如下：
　　先使用双边滤波算法对所需图像进行保边去噪，在减少图像噪声的同时保留更多的边缘信息；然后采用经典的canny算法，对经过双边滤波算法处理完成的图像提取边缘，从而完成对受噪声污染图像边缘信息的提取。
　　实验结果表明，此算法可以有效的完成并解决对受噪声污染图像边缘信息的提取并提高边缘信息提取的精确度。由于目标图像包含了大量的数据信息，需进行快速准确处理，因此将其移植到 HyperX高性能并行处理平台可以提升边缘信息提取速率，所做设计如下：
　　（1）利用平台的FAST的设计机制，完成对算法流程的拆分；
　　（2）完成算法在平台上路由通信和同步机制的设计，保证数据通道和指令执行免于阻塞；
　　（3）编写对应配置文件，完成算法所需数据在 HyperX上的数据存储、库文件的创建和PE信息的设计等信息配置。
　　通过平台测试，实验结果表明此方案具有可靠的稳定性，在满足算法准确性和精度要求的前提下，可以实现对算法的快速高效并行处理。同时，该设计结构可以满足其他图像处理算法的并行实现，具有平台通用性。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 引言

1.2 课题研究背景及现状

1.3 微处理器的发展

1.4 国内外研究现状

1.5 论文章节安排

第二章 基于双边滤波对Canny算法的改进

2.1 引言

2.2 经典边缘提取算法简介

2.3 基于双边滤波的Canny算法实现

2.4 测试结果和结论

2.5 本章小结

第三章 HyperX高性能并行平台简介

3.1 引言

3.2 HyperX软件平台模拟设计介绍

3.3 HyperX软件模拟平台配置文件介绍

3.4 本章小结

第四章 边缘提取算法整体框架的结构设计

4.1 引言

4.2 系统框架设计流程

4.3 HyperX平台下的双边滤波算法并行实现

4.4 HyperX平台下Canny算法的并行设计

4.5 本章小结

第五章 边缘检测算法并行实现的实验结果

5.1 测试环境介绍

5.2 测试图像分割介绍

5.3 测试内容

5.4 测试结果

5.5 测试结论

第六章 总结与展望

6.1 研究工作总结

6.2 未来工作展望

参考文献

致谢

作者简介