多分辨率图像锥结合FCM的多核并行图像分割算法研究

论文摘要

随着图像采集技术的发展,人们可获得分辨率越来越高的图像,高效地提取高分辨率图像中大量可辨识信息对图像工程应用有重要意义。传统的多分辨率图像锥采用低通滤波技术,分割高分辨率图像时造成分割区域数量不等于图像中实际物体数量;串行的模糊C-均值（即FCM）算法分割图像时可能忽略空间上下文信息,且时间和空间复杂度很大。如何提高大幅图像的分割效率是图像处理领域的一个难题。本文提出基于正交小波分解的多分辨率图像锥结合FCM的图像分割方法,该方法综合分析正交小波分解法、多分辨率图像锥分割算法和FCM算法的多核并行性,设计出两者相结合的P-FCM多核并行模型,采用并行化语言OpenMP实现该模型。实验验证该算法在保证分割质量的前提下,较好地提高图像分割效率。本文主要工作包括:①对图像分割技术的研究背景、实际应用意义、国内外的研究现状和图像处理基础理论知识进行分析,并对多核并行发展及相关技术进行介绍。②针对传统图像锥设计过程计算量大和分割图像效率低的缺点,采用多核并行的正交小波分解法设计锥结构,并提出基于多分辨率图像锥的多核并行图像分割模型（P-多核并行锥模型）。③针对多分辨率图像锥分割图像可能存在过或低分割的问题,引入FCM算法,设计其多核并行模型,并与P-多核并行锥模型相结合,提出P-FCM多核并行模型。另外,对原始图像数据预处理时,采用矩形块并行分割方法来划分原始图像数据。④采用OpenMP对P-FCM多核并行模型编程,并统计分析该模型算法在分割不同大小和不同分辨率的图像时P-FCM多核并行模型的加速比。⑤通过实验验证该模型在处理高分辨率的大幅图像（大于1MB）时,随着CPU数量的增加,加速比呈接近线性方式递增。本文提出的P-FCM多核并行模型能很好地降低计算复杂度,提高图像分割效率,满足图像工程应用中实时性强和准确性高的要求。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 研究背景及意义
• 1.2 图像分割综述
• 1.2.1 关于图像分割
• 1.2.2 图像分割算法综述
• 1.2.3 基于多分辨率图像锥和FCM 的图像分割算法
• 1.3 本文主要工作内容
• 1.4 论文结构
• 2 多核架构与并行计算
• 2.1 多核技术
• 2.1.1 多核处理器的简介
• 2.1.2 多核技术的研究状况
• 2.2 多核架构及并行性
• 2.2.1 多核架构
• 2.2.2 多核并行运行模型
• 2.3 多核并行计算模型
• 2.3.1 多核处理器中的并行性
• 2.3.2 SIMD 同步并行计算模型
• 2.3.3 MIMD 同步并行计算模型
• 2.3.4 并行计算性能指标
• 2.4 多核并行算法设计方法
• 2.5 多核并行编程语言
• 2.5.1 OpenMP 的简介
• 2.5.2 OpenMP 体系结构
• 2.5.3 OpenMP 的并行模型
• 2.5.4 OpenMP 的循环调度与分块
• 2.5.5 OpenMP 的并行优化技术
• 2.5.6 OpenMP 的性能分析
• 2.6 本章小结
• 3 多分辨率图像锥结合 FCM 算法的多核并行模型（P-FCM）
• 3.1 小波分析的理论基础
• 3.1.1 连续小波变换
• 3.1.2 一维离散小波变换
• 3.1.3 二维离散小波变换
• 3.1.4 正交小波分解与重构
• 3.2 基于正交小波分解的多分辨率图像锥及其多核并行性分析
• 3.2.1 多分辨率图像锥
• 3.2.2 基于正交小波分解的多分辨率图像锥
• 3.2.3 多核并行性分析
• 3.2.4 P-多核并行锥模型的设计
• 3.2.5 P-多核并行锥模型的算法实现步骤
• 3.3 模糊C 均值（FCM）算法及其多核并行性分析
• 3.3.1 模糊聚类分析与模糊聚类
• 3.3.2 FCM 算法原理
• 3.3.3 FCM 多核并行聚类模型的设计
• 3.3.4 FCM 多核并行聚类模型的算法实现
• 3.4 提出P-FCM 多核并行模型
• 3.5 本章小结
• 4 图像数据划分及实验分析
• 4.1 并行图像分割的数据划分
• 4.1.1 图像数据操作分类
• 4.1.2 数据通信量的比较
• 4.2 实验环境
• 4.3 实验数据
• 4.4 结果分析
• 4.5 本章小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 前景展望
• 致谢
• 参考文献
• 附录
• A 作者在攻读学位期间发表的论文目录
• B 作者攻读学位期间的科研情况