文档介绍：华中科技大学
硕士学位论文
Web图像搜索中基于GPU的图像分割技术研究
姓名:汪聪
申请学位级别:硕士
专业:计算机软件与理论
指导教师:郑然
2011-01
华中科技大学硕士学位论文
摘要
视觉信息的复杂性使得图像处理比较耗时,从而使得基于图像内容的搜索系统
后台数据更新较慢,同时为了缩短用户的前台响应时间,传统的图像检索系统不得
不选取速度快但效果并非最佳的算法或将图片缩小后再处理,这都降低了系统检索
的精度和用户满意度。利用 GPU 对核心图像处理模块进行加速则可以很好的解决这
个问题。
基于 GPU 的图像搜索系统主要分为用户交互层、集群管理层、CPU 模块处理层、
GPU 模块处理层、数据中心层 5 个层次。系统中的图像处理模块包括缩略图生成模
块和图像特征向量提取模块均为需占用大量时间进行处理的瓶颈模块。对其中的图
像处理算法进行研究,包括图像分割算法、插值算法等。
图像分割是图像分析的基础,分割的好坏直接决定所提取的图像特征是否有意
义,进而影响系统的检索精度。针对分割算法复杂、处理耗时,制约了前台的检索
效率和后台的数据更新速度。实现了几类基于 GPU 的图像分割算法,包括 C 均值聚
类算法、Canny 边缘检测算法、分水岭分割算法、Mean Shift 算法、模糊 C 均值算法
等。提出在图像搜索系统中先利用 Mean Shift 算法进行初步分割,再利用模糊 C 均
值聚类的方法,提高分割效果的同时加快处理速度。
在基于 GPU 的算法设计过程中:分水岭算法,利用细胞自动机的特性和
Bellman-Ford 最短路径算法使不易并行的分水岭算法并行化;Mean Shift 算法,利用
纹理内存特性降低全局内存的非对齐访问,同时利用流的异步执行加大对硬件的利
用度;C 均值聚类算法提出一种新的方案使得更新聚类中心阶段不需要回传给 CPU,
整个过程都在 GPU 中完成,获得了更优的加速比;Canny 边缘检测算法,利用空间
消耗换取时间效率,加大线程计算强度对算法进行优化。最后将优化的 GPU 算法应
用到系统的图像处理模块中,让 CPU 和 GPU 相互协作、异步并发执行,较以前的
CPU 模块,缩略图模块的处理速度可提高 2 倍,特征提取模块则可加速几十倍。

关键词: 图形处理器,图像分割,分水岭,均值飘移, C 均值,边缘检测,
I
-
华中科技大学硕士学位论文
Abstract
plexity of visual information makes image processing time-consuming. The
amount of visual information users submit is much more than that of text information
when retrieving. To reduce time consumed, CBIR system has to use those algorithms of
high speed but low effect, or process images after they are reduced to a smaller size to
get a high speed. But both methods degrade the precision of retrieval results and
satisfaction of users. Speeding up the image processing module using GPU can well
solve the problem.
The framework of GPU based CBIR system consists of 5 layers as follows, user
interaction layer, cluster management layer, CPU based module processing layer, GPU
based module processing layer and data center layer. The image processing module
includes thumbnail generating sub-module and image feature extracting sub-module,
both of which are bottle-necks in this real-time system. Th