归一化积相关算法的图像分块并行处理研究

"本文主要探讨了归一化积相关图像匹配算法中的并行处理方法，特别是在图像分块上的应用。作者李俊山和沈绪榜针对N×N的参考图像和M×M的实时图像，设计了一种基于K元2立方体网络计算机的并行算法，用于计算相关求和∑∑XY。通过将图像分块为B×B个部分，可以在处理元阵列（N=BK，K=M，B>1）上实现并行匹配。实验结果证明了所设计的并行算法具有高效率，适用于匹配制导等领域。" 在图像处理领域，归一化积相关算法是一种广泛使用的图像匹配技术，它能够有效地找到两个图像之间的最佳对应关系。这个算法的核心是计算两幅图像像素间的乘积累积，然后进行归一化，以减少光照、尺度和其他因素的影响，提高匹配的准确性。然而，由于涉及大量像素的乘积累积，计算复杂度较高，因此并行处理成为了加速这一过程的关键。 在本研究中，作者提出了一种基于K元2立方体网络计算机的并行策略，这是一种特殊的并行计算机架构，适合于执行SIMD（单指令多数据）操作。在这种架构下，多个处理单元可以同时处理不同的数据块，极大地提升了计算速度。对于N×N的参考图像和M×M的实时图像，如果将图像分块为B×B的小块，那么在K×K的处理元阵列中，每个处理元可以独立处理一部分计算任务，从而实现并行计算。 为了实现这一并行算法，作者考虑了如何有效地在2立方体网络中分配和通信图像块，以及如何合并各个处理元的结果以得到最终的匹配分数。这种并行化方法不仅减少了计算时间，而且保持了算法的准确性。实验表明，这种图像分块并行处理方法在匹配效率上表现优秀，特别是在处理大规模图像时，可以显著缩短匹配所需的时间，这对于实时性和计算资源有限的应用场景（如导弹制导、自动化检测等）尤为重要。 这项工作为归一化积相关图像匹配提供了新的并行计算思路，通过优化算法和利用并行计算资源，提升了处理速度，为实时图像匹配任务提供了可能。这种并行处理技术不仅可以应用于军事领域的匹配制导，还可以推广到其他需要高效图像匹配的工业和科研领域，例如机器人视觉、遥感图像分析等。