基于CUDA的并行K_means聚类图像分割算法优化.pdfVIP

2 0 1 4 11 农 业 机 械 学 报 45 11 年 月 第 卷第 期 doi :10 ． 604 1/j ． issn． 1000-1298． 2014 ． 11． 008 * 基于CUDA 的并行K-means 聚类图像分割算法优化 1 2 2 2 1 霍迎秋 秦仁波 邢彩燕 陈 曦 方 勇 (1． ， 7 12100 ; 西北农林科技大学机械与电子工程学院 陕西杨凌 2 ． ， 7 12100) 西北农林科技大学信息工程学院 陕西杨凌 : K-means ， CUDA 、 K-means ， “ 摘要 为提高 聚类算法的运算速度 基于 架构提出一种分块 并行的 算法 并采用 合并访 ”、“ ”、“ ” “ ” 。 ， K-means 问 多级规约求和 负载均衡 和 指令优化 等策略优化并行算法 实验结果表明 并行 算法的分割 K-means ， ， 560 ， 效果与串行 算法相同 但运行速度得到了极大的提高 加速比最高达到 很好地解决了农业工程实际 ， 。 中由于分割算法带来的瓶颈问题 能够极大地提高农业劳动生产率 : 关键词 图像分割 聚类分割算法 统一计算架构 图形处理器 并行优化 中图分类号:TP311 文献标识码:A 文章编号:1000-1298 (2014)11-0047-07 K-means ， 聚类分割算法为研究对象 自然背景下的 引言 ， 杂草和玉米图像分割为研究内容 提出一种基于 ， CUDA 、 K-means ， 图像分割算法是精准农业研究的重要方面 其 架构的分块 并行的 聚类分割算法 ［1 － 6］ ［7 － 8］ 、 、 “ ”、“ ”、“ ” 广泛应用于智能机械除草 精准喷施 机器 并采用 合并访问 多级规约求和 负载均衡 人采摘［9 － 12］和病害识别［13 － 14］等精准农业研究的各