并行進(jìn)化算法研究及其在圖像處理中的應(yīng)用.pdf

1、進(jìn)化算法是一類基于自然選擇和自然遺傳等生物進(jìn)化機(jī)制的全局優(yōu)化搜索算法，具有簡(jiǎn)單通用、魯棒性好、適合并行處理等優(yōu)點(diǎn)，使其在各類圖像處理問題中得到了廣泛的應(yīng)用。但是進(jìn)化算法時(shí)間復(fù)雜度較高，處理速度較慢，隨著數(shù)字成像技術(shù)不斷提升，數(shù)字圖像中所包含的數(shù)據(jù)量急劇提升，使得利用進(jìn)化算法對(duì)海量圖像進(jìn)行處理時(shí)面臨著一些新的挑戰(zhàn)。以GPU(Graphics Processing Unit)和MIC(Many Intergrated Core)為代表的眾核

2、計(jì)算設(shè)備擁有大量計(jì)算單元和超強(qiáng)計(jì)算能力，通過眾核計(jì)算設(shè)備對(duì)進(jìn)化算法進(jìn)行并行化處理，相對(duì)于傳統(tǒng)串行方式，在處理速度方面有著巨大的優(yōu)勢(shì)。本文主要使用OpenCL(Open Computing Language)并行計(jì)算框架，對(duì)兩種應(yīng)用于圖像處理問題的進(jìn)化算法進(jìn)行并行化加速。主要工作如下：
　　將免疫優(yōu)勢(shì)理論應(yīng)用于圖像特征選擇問題之中，設(shè)計(jì)單向變異的策略，并針對(duì)串行算法耗時(shí)問題，提出了針對(duì)圖像特征選擇問題的并行免疫優(yōu)勢(shì)克隆選擇算法，相對(duì)

3、于傳統(tǒng)算法，搜索性能更高，收斂更快，運(yùn)算耗時(shí)更少。并且，在使用主從式并行模型時(shí)，設(shè)計(jì)了OpenCL設(shè)備端隨機(jī)數(shù)生成策略，大量減少了主機(jī)端與設(shè)備端的通信。還針對(duì)多GPU設(shè)備情況，將算法設(shè)計(jì)與硬件架構(gòu)結(jié)合，設(shè)計(jì)了基于多GPU設(shè)備的島式并行模型。利用并行算子，將原本不適合并行處理的步驟，進(jìn)行并行化加速，進(jìn)一步提升了并行算法的加速效果。對(duì)幾組實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)仿真，所得到的特征子集維度更低，分類精確率更高，在各個(gè)數(shù)據(jù)集上均得到良好的加速效果。最

4、后，在多核CPU、GPU和MIC等加速設(shè)備上對(duì)并行算法進(jìn)行了實(shí)施，研究了并行算法的可移植性。
　　針對(duì)利用聚類思想來(lái)解決圖像變化檢測(cè)問題時(shí)，所面對(duì)的SAR(Synthetic Aperture Radar)圖像噪聲問題和初始化聚類中心選取對(duì)聚類結(jié)果的影響問題，將粒子群算法與模糊局部C均值思想相結(jié)合，并針對(duì)串行算法耗時(shí)問題，提出了基于鄰域信息的并行粒子群聚類算法，有效解決了以上問題。對(duì)幾組SAR圖像進(jìn)行變化檢測(cè)實(shí)驗(yàn)，所得到的變化檢測(cè)