论文部分内容阅读
宽视角且超分辨率的图像能够为许多科研领域提供更为精确的实验数据,但是受到图像采集设备的限制以及成像技术不成熟而无法获取满意的结果,因此图像拼接成为解决这一技术难题的有效途径。然而传统串行的图像拼接技术只能在单台计算机上运行,受限于计算机自身性能,所耗费的时间会随着待拼接图像的质量和数量迅速增大,其获得的图像即便满足研究要求也会丧失图像数据原有的时效性。论文正是基于以上情况,主要研究SMP集群上MPI与OpenMP混合并行计算的方法实现图像拼接的并行化,以达到提高图像拼接速度的目的。论文主要研究内容如下:首先,论文介绍了多核集群的并行技术与MPI/OpenMP并行编程模型,详细介绍了MPI与OpenMP并行编程模型的特点以及程序实现方式。论文介绍了图像拼接的步骤以及用到一些技术,接着详细分析了以SIFT算法为核心的特征点的提取与匹配过程,并提出以SIFT算法为基础的图像拼接算法的并行化设计方案。其次,根据SIFT特征点提取的局部性原理,采用数据并行的方式实现算法改进。结合SMP集群的层次化存储的特点,进而提出层次的图像划分策略,在节点间与节点内采用不同的图像划分方式,实现MPI与OpenMP相应粒度的数据分配。提出SIFT特征点提取与匹配的同步并行方案,特征点在提取之后不必汇集到主节点进行匹配,而是在各个子节点完成匹配之后,才将特征点匹配的结果发送到主节点完成图像的配准与融合。在数据汇集阶段,算法实现了特征点数据传递的简化与并行接收。最后论文基于Hybrid编程模型实现了图像拼接的并行算法,将曙光TC5000作为并行环境,通过在集群上进行的并行与串行实验的对比,得到实验结果数据并进行详细分析。根据实验结果分析得出结论,基于Hybrid编程模型实现的图像拼接并行化实现大大提高了图像拼接的速度,图像拼接效果与串行算法实现的结果一致。