图像匹配的并行算法研究

论文摘要

由于图像匹配技术在现代信息处理领域中的应用范围越来越广泛,所以对图像匹配算法的研究不仅广泛,而且更加深入。如何在保持匹配准确性的同时,提高匹配速度是目前对匹配算法的研究重点。随着多核计算机的普及和并行计算技术的快速发展,在多核平台上,利用并行计算技术来提高图像匹配的速度具有重要的实用价值。本文的主要工作有:(1)较全面地回顾了图像匹配及并行计算处理领域的研究进展,介绍了基于Matlab的并行计算方法。(2)设计基于Hausdorff距离的图像匹配并行算法。介绍了基于Hausdorff距离的图像匹配方法,在分析算法效率瓶颈的基础上将算法并行化并采用Matlab将其实现,并将所设计的并行算法应用于灰度图像中。对该算法进行了两方面的实验,第一是多核环境下提高速度方面,第二是测试该算法对存在图像旋转和噪声情况下的抗失真和抗噪声性能。两方面的实验结果表明,所设计的并行算法不仅在多核环境下能明显提高匹配速度,而且有一定的抗失真和抗噪声能力。(3)设计基于SSDA算法的图像匹配并行算法。介绍了基于序列相似性检测(SSDA)的图像匹配方法,在分析算法效率瓶颈的基础上将算法并行化并采用Matlab将其实现,采用多幅图像进行匹配验证了该实现。实验结果表明所设计的并行算法在多核平台上能显著提高匹配速度。本文设计的并行算法的并行思想对图像匹配算法具有普遍性,可以推广到其它图像匹配算法的并行化设计中。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 论文的研究意义和主要研究内容
• 1.3.1 论文的研究意义
• 1.3.2 主要研究内容
• 1.4 文章的组织安排
• 第二章 图像匹配简介
• 2.1 图像匹配的概念
• 2.2 图像匹配的流程和关键要素
• 2.3 图像匹配的相似性度量原理
• 2.3.1 最小距离度量
• 2.3.2 相关度量
• 2.4 图像匹配方法的分类
• 2.4.1 基于灰度相关的图像匹配方法
• 2.4.2 基于特征的图像匹配方法
• 2.4.3 基于灰度的方法与基于特征的图像匹配方法比较
• 2.5 图像匹配性能评价
• 2.5.1 影响图像匹配性能的因素
• 2.5.2 图像匹配算法性能评价指标
• 2.6 本章小结
• 第三章 并行计算技术与MATLAB并行计算
• 3.1 并行概念
• 3.2 并行计算机
• 3.2.1 并行计算机的分类
• 3.2.2 存储方式
• 3.3 并行计算
• 3.3.1 并行算法设计原则和方法
• 3.3.2 并行编程模型
• 3.4 MATLAB并行计算
• 3.4.1 MATLAB并行计算发展简介
• 3.4.2 MATLAB并行计算工具箱
• 3.5 Matlab中并行算法开发
• 3.5.1 任务并行编程（parfor）
• 3.5.2 数据并行编程（Spmd）
• 3.6 本章小结
• 第四章 基于Hausdorff距离的图像匹配并行算法设计与实 现
• 4.1 Hausdorff距离
• 4.1.1 Hausdorff距离定义[78]
• 4.1.2 部分Hausdorff距离定义
• 4.2 Hausdorff距离在图像匹配中的应用
• 4.2.1 图像匹配考虑因素
• 4.2.2 Hausdorff 距离的特点
• 4.3 Hausdorff距离图像匹配并行算法设计
• 4.3.1 图像匹配的并行方案和并行编程模型
• 4.3.2 基于Hausdorff距离的图像匹配并行思想
• 4.3.3 Hausdorff 距离图像匹配并行算法设计步骤
• 4.4 Hausdorff并行匹配算法在灰度图像中的实现
• 4.5 实验结果与分析
• 4.5.1 实验环境
• 4.5.2 实验结果与分析
• 4.6 本章小结
• 第五章 基于序列相似性检测的图像匹配并行算法设计与实现
• 5.1 基本的序列相似性检测算法（SSDA）[79]
• 5.2 SSDA算法在图像匹配中的应用
• 5.3 SSDA图像匹配并行算法设计
• 5.3.1 基于SSDA算法的图像匹配并行编程思想
• 5.3.2 SSDA图像匹配并行算法实现步骤
• 5.4 SSDA并行匹配算法在灰度图像中的实现
• 5.5 实验结果与分析
• 5.5.1 实验环境
• 5.5.2 实验结果与分析
• 5.6 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间的研究成果及发表的学术论文