软件工程毕业论文开题报告.docxVIP

　　在图像处理方面,大规模的地形匹配、神经网络计算及其他计算量大的任务都需要计算机具有强大的计算性能。　　近年来,微处理器的性能不断提高,高速局域网的不断发展,可以利用相对廉价的微机通过高速局域网构建高性能的并行集群计算系统。　　与传统的超级计算机相比,并行集群计算系统具有较高的性价比和良好的可扩展性,可以满足不同规模的大型计算问题。　　在数字图像处理中，图像匹配是根据已知一幅图像在陌生图像中寻找对应子图像的过程，它在计算机视觉、航空遥感、医学图像、飞行器制导等领域具有广泛的应用。　　目前，图像匹配算法很多，基于灰度匹配算法简单、精度高，但计算量大、对旋转形变等敏感。　　基于特征匹配方法计算量小，对灰度变化、形变及遮挡等有较好的适应性，但它取决于特征提取的质量，匹配精度不是很理想。　　基于神经网络和遗传算法具有良好的并行性和非线性全局作用，良好的容错和记忆能力，但计算代价高、参数选取对结果影响大。　　其中经典的灰度相关算法具有匹配精度高，易于硬件实现等特点，但计算量大、速度慢，应用受到限制。　　现今针对灰度相关匹配改进的算法较多，如灰度归一化相关匹配，基本上是从相似性度量的函数着手进行算法的改进，但很多是基于串行处理。　　随着近几年硬件的飞速发展，使得传统的大型工作站可由多微机的集群系统代替，从而使得计算量大的问题可由后者解决。　　在图像处理的研究中，并行处理的引入极大地缩短了计算时间，成为图像处理中的一种重要手段。　　本文基于灰度相关匹配进行并行化处理、改进，提高运算速度。　　2国内外研究概况　　目前，是比较流行的并行计算开发环境之一。　　是一个并行计算消息传递接口标准,由论坛推出,制定该标准的目的是提高并行程序的可移植性和开发效率。　　论坛是由欧美主要的并行计算机生产商、大学、政府实验室和工厂研究人员组成的一个非官方组织。　　论坛在1994年6月正式推出了的第一个版本10,又于1995年6月推出了11,对原有的版本进行了修改、完善和补充。　　1997年7月推出的20版本中,又加入了远程存储访问、并行、动态进程管理等内容。　　现在已经成为产业界广泛支持的并行计算标准。　　3现实意义　　现今针对灰度相关匹配改进的算法较多,如灰度归一化相关匹配，基本上是从相似性度量的函数着手进行算法的改进，但很多是基于串行处理。　　随着近几年硬件的飞速发展,使得传统的大型工作站由多微机的集群系统代替，从而使得计算量大的问题可由后者解决。　　在图像处理的研究中，并行处理的引入极大地缩短了计算时间,成为图像处理中的一种重要手段。　　本文基于灰度相关匹配进行并行化处理，并对其进行适当的改进，以提高运算速度。　　二研究主要内容　　研究内容　　基于并行计算在高性能计算中的优势并根据图像处理的特点，探讨了并行计算在图像处理中的应用。　　给出了图像并行处理的一般过程,并用具体例子作以说明，同时也给出了如何提高图像并行处理效率的一些措施。　　1软件工具的选择　　已有若干并行编程软件包可供选择，例如，，，等，但是，其中只有，是针对网络多计算机系统或工作站集群系统设计的。　　前者提供了一种支持异构或同构计算机间消息传递的软件环境，适合于多种硬件结构,包括运行、操作系统的机。　　它可以用或者编程。　　而具有和类似的比较强大的功能。　　与一样，它可以用或者编程，并且也适合于多种硬件结构，包括运行、、操作系统的机。　　但它是被推荐的一种适用于消息传递型多计算机系统的并行软件编程标准。　　因此，它不仅实用，可移植、高效灵活，而且将有更广泛的推广价值。　　此外，它的许多版本与实现,如、、等都可以在网上免费下载，这为图像并行处理的研究提供了十分有利的条件。　　在我们研究图像并行处理时，选择了作为并行程序设计工具。　　2并行图像处理算法的实现图像处理的并行求解过程，一般分为以下几个步骤　　1对图像处理问题进行抽象，建立算法串行模型;　　2对算法串行模型进行分析，找出算法模型中需要并行处理的部分，确定算法并行实现方法建立算法并行模型的描述;　　3用并行计算语言实现并行算法;　　4在并行集群计算系统上运行，调试并行算法。　　3并行图像处理具体算法实例灰度匹配是数字图像处理中一项重要的技术，以往的匹配方法虽然精确度高，但计算量大、时间长。　　针对这一问题，将基于的集群并行处理思想引入到图像灰度匹配中，对待匹配的图像采用数据分割处理，结合并行处理的一般步骤对图像灰度匹配进行并行建模、实现，对传统的图像灰度匹配算法进行并行化改进，试验结果表明并行化处理能显著地缩短灰度匹配时间，达到较高的加速比和效率。　　通过对图像灰度匹配的并行化处理，验证了并行计算的高性能。　　研究目标　　灰度匹配是数字图像处