宗亮

摘要：该文对图像匹配进行简要分析，总结典型的算法特点，然后采用并行计算的思想，对图像进行分割，结合MPI及集群环境，对各个分割的数据进行匹配，最后得到最佳的匹配点。

关键词：图像匹配；并行计算；MPI

中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)05-1150-02

Dual-core Processor for the Image Matching Research

ZONG Liang

(Department of Communication and Control Engineering, Hunan Institute of Humanities, Science & Tec hnology，Loudi 417000, Loudi) Abstract: This paper analyzes briefly the image matching, and summarizes the characteristics of typical algorithms, and the image segmenta? tion use the parallel computation theory, combined with the MPI and cluster environment, matched the each data of segmentation, finally get the best match point.

Key words: Image matching; parallel computing; MPI

图像匹配是一项重要的图像处理技术，在导航制导、工业检测、遥感图像分析等领域都有广泛的应用。随着人们对信息的需求越来越大，并行计算也越来越普及，将以往对图像常规的串行处理通过基于高性能集群的并行计算来处理，可以取得更好的实时性[1，2]。

1图像匹配

图像匹配过程一般而言就是在一幅陌生的图像（实时图像）中寻找对应子图像（已知图像）的过程。传统的灰度相关匹配方法就是利用模板图像(实时图)和待匹配图(参考图)之间的某种相似性进行比较，从而得出匹配的结果。当然这里面涉及到二者的搜索策略问题。如果考虑的是空间按照某一顺序进行搜索，则思路比较清晰自然。先假定参考图A(x,y)，而模板图像是B(x,y)。大小分别为MxN，PxQ，且M>P，N>Q。如果搜索空间的策略按照图像的某一位置逐个位置进行搜索、比较，如图1所示，可以认为模板图像在参考图像的左上角开始，依次向右搜索，再向下搜索。每一次步骤就进行一次相关比较，让模板图像和待匹配图像进行某种相关性计算，把结果进行比较来判断搜索是否为最佳匹配。显然当模板运动到最右下角时，可以完成匹配工作。这种全搜索必然要耗费掉大量时间，从而可以将整个空间进行分块搜索，并行计算得以引入。