2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、進(jìn)入21世紀(jì)以來,人們的工作生活與圖像信息聯(lián)系越來越緊密,隨之圖像信息分類也愈加重要,圖像特征提取作為對圖像處理分類的一個(gè)重要手段之一,已經(jīng)得到廣泛的應(yīng)用。圖像特征提取基于圖像的多種特征,顏色、形狀、空間關(guān)系等發(fā)展出了多種多樣的方法。隨著手機(jī)、攝像機(jī)、錄影機(jī)等多媒體產(chǎn)品的飛速發(fā)展,圖片處理在生活中越來越常見,無論是在智能交通監(jiān)攝管理系統(tǒng)還是人臉識別系統(tǒng)。于是乎,圖片數(shù)量呈現(xiàn)爆發(fā)式增長,對于圖像特征提取算法的效率提出了更高的要求。

2、  從超級計(jì)算機(jī)到PC,多核處理器已經(jīng)得到普遍運(yùn)用,與之相結(jié)合的并行計(jì)算極大地提高了程序運(yùn)行效率。傳統(tǒng)的串行圖像特征提取算法已經(jīng)滿足不了海量圖片分類的實(shí)時(shí)性需求,將圖像特征提取算法進(jìn)行并行優(yōu)化已迫在眉睫。因此,本文采取OpenMP+MPI的混合編程模型對圖像特征提取算法進(jìn)行并行優(yōu)化,該模型充分利用兩種編程模型的優(yōu)點(diǎn), MPI可以解決多處理器間的粗粒度的并行而OpenMP提供了細(xì)粒度的并行,很好的解決了計(jì)算機(jī)內(nèi)部處理器之間的交互,充分提高

3、了算法執(zhí)行效率。
  本文主要工作如下:
  首先對圖像特征提取算法并行化進(jìn)行需求分析,然后以LBP、HOG、HAAR、SIFT算法為例,基于基本算法進(jìn)行并行優(yōu)化,方法如下:首先先了解了四種算子的基本串行算法,并針對LBP算子,采用了OpenMP對單個(gè)圖片進(jìn)行加速和MPI對圖片間進(jìn)行加速的線程級加進(jìn)程級方式;在HOG算法中加入并行線程嵌套,對于外層的分塊進(jìn)行了并行加速同時(shí)在每個(gè)線程中統(tǒng)計(jì)環(huán)節(jié)進(jìn)行了并行處理;對HAAR算法中改

4、變了計(jì)算順序和基于分塊兩種并行實(shí)現(xiàn)方法;在SIFT算法中針對其三維環(huán)境特性提出了三種分塊模式,并對關(guān)鍵點(diǎn)方向確認(rèn)也進(jìn)行了并行優(yōu)化。
  最后在基于Linux操作系統(tǒng)的多核服務(wù)器上予以實(shí)現(xiàn)并行優(yōu)化的LBP、HAAR、HOG、SIFT特征提取算法,并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明并行優(yōu)化后的LBP、HAAR、HOG、SIFT特征提取算法在多核處理器上,相較于基本串行特征提取算法,絕大多數(shù)情況下計(jì)算效率有了明顯提高。但是,也存在效率降

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論