圖像特征值提取算法并行優(yōu)化方法研究.pdf

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