基于MIC的圖像顯著性檢測(cè)技術(shù)研究.pdf

1、圖像處理是可視化領(lǐng)域的重要組成部分，近年來圖像數(shù)據(jù)的規(guī)模和復(fù)雜程度不斷加大，給圖像處理和目標(biāo)分析帶來了很大難度。而圖像顯著性區(qū)域檢測(cè)技術(shù)可以解決這一問題，它在減少處理數(shù)據(jù)量的同時(shí)，還可以提高分析的準(zhǔn)確性?；诮Y(jié)構(gòu)相似度理論的顯著性檢測(cè)算法是在這類算法中比較優(yōu)秀，它可以很好的檢測(cè)出一幅圖像的顯著性區(qū)域，為后續(xù)對(duì)圖像的處理減少計(jì)算量。算法是通過一個(gè)新的center-surround算子來檢測(cè)圖像的相似度，對(duì)每一個(gè)像素都要進(jìn)行處理，仍然有很大

2、的運(yùn)算量。MIC是新興的眾核協(xié)處理器，跟通用的多核CPU相比，MIC眾核架構(gòu)具有更小的內(nèi)核和硬件線程，眾核處理器計(jì)算資源密度更高，片上通信開銷更降低，能夠勝任更為復(fù)雜的并行應(yīng)用。相比通用的多核 CPU，處理復(fù)雜的并行應(yīng)用是MIC眾核架構(gòu)的優(yōu)勢(shì)。本文在CPU上實(shí)現(xiàn)了基于全局結(jié)構(gòu)相似度的顯著性區(qū)域檢測(cè)算法，并在此基礎(chǔ)上，基于MIC對(duì)算法進(jìn)行數(shù)據(jù)級(jí)并行和線程級(jí)并行的加速，測(cè)試表明，與主流CPU相比，該算法在一個(gè)MIC協(xié)處理器上可獲得2.42倍

3、的加速比，而在MIC上采用SIMD相對(duì)于不使用SIMD可獲得平均5.6倍的加速比。
　　本文的主要工作包括幾個(gè)方面：
　　(1)分析人類視覺注意的處理機(jī)制，討論了經(jīng)典的基于特征融合框架和基于Koch神經(jīng)生物學(xué)框架的視覺注意模型；
　　(2)在研究結(jié)構(gòu)相似度理論和基于結(jié)構(gòu)相似度的顯著性區(qū)域檢測(cè)算法的基礎(chǔ)上，基于主流商業(yè)CPU研究顯著性區(qū)域檢測(cè)算法，并且在CPU上實(shí)現(xiàn)了基于全局結(jié)構(gòu)相似度的顯著性區(qū)域檢測(cè)算法，之后在MIC平