基于IBM大机上图像边缘检测中并行快速运算的开发与研究（含PC）

摘要

随着IBMZ900大型主机系统进入到我校，就想在大型机上进行该课题的研究分析，希望能在并行计算处理上取得一定的成果，好在IBM大机上有提供的有相应运算模块(如MPI和支持相应的C语言)，利用大机多个LP高运算能力完成高分辨率位图的边缘计算，学习并了解更多有关大机的操作方法，并获得了成功。 并行处理技术领域非常广泛，包括硬件技术、并行体系结构、并行操作系统、并行语言、并行编译系统、并行软件和并行算法等。虽然使用范围很广，但目前国内外的并行算法应用研究明显地滞后于其体系结构的发展，许多方面尚处于探索阶段，技术上还不是很成熟，其中最主要的表现就是配套软件的欠缺，任务合理分配的问题和通信与同步的问题。 由于图像处理过程中的数据量巨大，而且各种算法中大量卷积运算和矩阵乘法运算的存在，就为图像处理过程中的并行算法设计和实现提供了可能。并行算法的设计是为了提高图像处理的速度，在有限的空间和时间处理更多的图像数据。 边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息，是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 文中首先对基于灰度图像边缘检测中的主要方法进行了分析研究。介绍了经典的图像边缘检测方法，包括一阶微分边缘检测的：Roberts边缘检测，Sobel边缘检测和Prewitt，Robinson，Kirsch边缘检测，以及二阶微分边缘检测的Laplacian边缘检测和LOG边缘检测，并通过实验的方式比较了这些图像边缘检测算子的实际效果。 然后，讨论了如何降低模板算子的计算步骤，以Kirsch算子为例给出了减少模板算子的计算步骤的方法。改进后的算法较经典算法复杂度减少了一半，这说明算法的改进效果是明显的。 在最后，进行了图像边缘检测并行算法的研究和设计。使用静态负载平衡、多进程归约两种策略，实现了图像边缘检测算子在图像处理中的并行算法，并在模拟集群环境下实验运行，获得了相对比较好的实验结果。通过实验数据和理论性能分析，给出了并行算法的可扩展性。与此同时，参照加速比和并行效率，讨论了算法设计方法的改进。

目录

文摘

英文文摘

声明

第一章引言

第二章IBM大机系统与并行处理技术概况

2.1 IBM大型机系统概述

2.2并行体系结构

2.2.1多处理器互连网络结构

2.2.2集群

第三章并行算法理论及基础

3.1并行算法在并行计算中的作用

3.2并行算法设计的特点

3.3并行算法的关键技术

3.4并行算法设计模型

3.5弗林分类法

3.6并行算法设计的性能评估

3.6.1运行时间

3.6.2并行度

3.6.3加速比和效率

第四章图像处理

4.1数字图像处理的方法

4.1.1图像的编码与压缩

4.1.2图像增强

4.1.3图像恢复

4.1.4图像分割

4.2图像处理中的并行设计理论

第五章图像边缘检测概述

5.1问题的描述

5.2微分边缘检测算子

5.2.1梯度方法

5.2.2差分边缘检测方法

5.2.3 Roberts边缘检测算子

5.2.4 Sobel边缘检测算子

5.2.5 Prewitt，Robinson，Kirsch边缘检测算子

5.3二阶微分边缘检测算子

5.3.1二阶方向导数算子

5.3.2 Laplacian边缘检测算子

5.3.3 LOG边缘检测算子

5.4多个检测算子检测效果比较

第六章图像边缘检测中的并行算法设计和实现

6.1改进串行计算的方法

6.2并行算法设计中静态均匀划分任务方法

6.2.1静态均匀划分任务的并行算法设计

6.2.2实验结果和分析

6.3并行算法中的归约方法来实现图像边缘检测

6.3.1并行算法程序设计中的归约方法

6.3.2数据分配方法

6.3.3归约方法的并行算法设计

6.3.4算法性能分析

6.3.5结果和分析

6.4结论与改进

致谢

参考文献

附录