基于SIMD-MCC的2D图像矩并行算法

在模式识别和计算机视觉中 ,不变矩发挥着很重要的作用 ,因为图像在经过平移、旋转和伸缩变换后具有力矩不变的良好特性 .直接计算二维图像力矩 ,需要大量的加法和乘法运算 ,而乘法运算最为费时 .文中提出了一个在SIMD MCC计算机上实现的计算二维图像矩的并行算法 .它的基本思想是将一个二维图像矩分解成很多个垂直矩和一个水平矩 ,利用数据并行性在SIMD MCC计算机上进行计算 .这个算法极大地利用了计算的并行性 ,其计算复杂度为O(log2 N) .每一个计算步骤只包含了加法运算 ,避免了乘法运算 。

基于SIMD-MCC的二维图象力矩特征提取并行算法

提取图象元件的几何特性在图象的物体识别中是一个非常重要的步骤。文章提出了一个在ＳＩＭＤ－ＭＣＣ计算机上实现的提取图象力矩的并行算法，此算法采用了一种级联部分和的方法来同时计算一个幅图象ｍ个元件力矩特性。这种方法的基本思想是将一个二维力矩分解为许多垂直力矩和一个水平力矩，对前者采用数据并行性、对后者实施任务并行性。对于一幅包含ｍ个元件的ｎ×ｎ图象，计算其ｍ个力矩的时间花费为Ｏ（［ｍ／ｎ］ｎ）。和现有算法相比，其速度有了较大提高。

一种基于SIMD-MCC计算机的二维FFT并行算法

FFT是图像处理中最重要的全局算子之一。文章以SIMD-MCC并行计算机为模型,讨论了二维FFT的并行实现问题,同时给出了相应的并行算法。该算法利用处理元的局部存储器,可在K×K的阵列上处理M×M的图像(M>K),较好的解决了在固定规模阵列上对大尺寸图像进行处理的问题。通过对算法的性能分析表明本算法是可行和高效的。

基于SIMD- MCC的图象块匹配并行算法

图像块匹配操作是图像处理中很多基于窗口任务的典型操作之一。文章提出了一种在 SIMD－ MCC计算机上实现的全搜索图像块匹配的并行算法，此算法对实时图中的每一个参考块和参考图中搜索区中的候选块进行比较，以确定一个最小的位移矢量。这个位移矢量所对应的位置就是匹配位置。该算法计算复杂度为 O(log2N)。

MCC-SIMD计算机并行计算的规范化描述方法

文章主要研究针对MCC-SIMD计算机的数据并行计算,如何进行简洁、明晰、可读性强的描述问题,提出了一种严谨的描述方法,并进行了形式化定义。文中列举出了相应的例子说明了这种描述方法的可行性。