软件工程毕业论文开题报告怎么写？( 二 ) 「问人人知识网」

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PVM ( ParallelVirtualMachine) ， MPI ( Message Passing Interface) ， Express ， Pthreads等，但是，其中只有PVM ， MPI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Linux、UNIX操作系统的PC机。它可以用C或者Fortran编程。而MPI具有和PVM 类似的比较强大的功能。与PVM一样，它可以用C或者Fortran编程，并且也适合于多种硬件结构，包括运行Linux、Windows、NT操作系统的PC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MPICH、CHIPM、LAM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MPI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MPI(Message Passing Interface)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。