基于CUDA平臺的區(qū)域分割并行算法設計與實現(xiàn).pdf

1、在數(shù)字圖像處理領域，對目標圖像的識別提取操作是較為常見的操作，而圖像分割則是識別預處理中的一個經(jīng)典難題。隨著計算機圖像技術的迅猛發(fā)展，現(xiàn)今的圖像處理具有處理數(shù)據(jù)量大，計算復雜度較高的特點，因此，單純依賴CPU實現(xiàn)的圖像算法已經(jīng)無法滿足實時性要求。國內外許多學者針對于區(qū)域分割算法的加速實現(xiàn)進行了大量研究，其中也有一些學者利用CUDA平臺進行區(qū)域分割算法的加速，并取得了較好的效果。
　　針對區(qū)域分割在圖像處理領域的重要作用以及CUDA

2、平臺下GPU處理大規(guī)模數(shù)據(jù)的優(yōu)勢，本文對基于CUDA平臺的三類典型區(qū)域分割技術，基于大津法的區(qū)域分割，基于區(qū)域生長的區(qū)域分割，基于Quick shift的區(qū)域分割進行了研究，結合三類算法現(xiàn)有的串并行實現(xiàn)，提出了在CUDA平臺下三類算法的進一步并行改進。為了實現(xiàn)Otsu和Quick Shift算法的并行化，本文針對這兩種算法現(xiàn)有的并行實現(xiàn)中仍然存在的串行步驟，利用CUDA架構，將算法的串行部分轉換到GPU中進行并行實現(xiàn)，一方面提高了算法實

3、時性，另一方面減少了CPU與GPU端的多次數(shù)據(jù)交換，從而實現(xiàn)性能提升。而對本身串行度較高的區(qū)域生長算法，本文則采用了一種有異于區(qū)域生長傳統(tǒng)實現(xiàn)的適用于并行化的新算法，即一種基于并查集思想的生長算法，結合CUDA結構與算法核心思想，提出了該算法在CUDA上的并行實現(xiàn)，采用GPU端進行迭代，大大減少了程序的運行時間。
　　本文簡要回顧了區(qū)域分割及并行實現(xiàn)的一些基本策略，重點研究了基于CUDA平臺的不同區(qū)域分割算法的并行策略，及三類算法