图像处理中计算机并行处理技术的应用研究

苑金宝

(高密市高级技工学校 山东 潍坊 261500)

0 引言

近年来图像处理技术得到快速发展,这种发展有赖于图像处理算法和图像处理硬件的发展。图像信息处理是计算机信息处理的重要内容,广义来说图像处理系统主要包含图像输入、图像处理和处理结果输出。其中图像输入涉及多种图像输入设备以及相同设备的不同格式;图像处理包括图像数据层、信息层、认知层的各种处理;处理结果输出有结果显示、打印、传输等,既有处理后的图像,也有不同形式的认知结果[1]。多种成像技术,如数码相机、扫描仪、红外、超声、伽马成像等,对这些信息进行各种加工处理,形成了不同行业的实际应用。图像处理技术中,就技术难度、社会效益和经济效益来说,在国内影响较大的有文字识别、指纹识别、人脸识别和医学图像处理。图像并行处理研究中,从算法到结构的转换非常重要。如何运用并行处理技术以及采用哪种并行处理技术,是设计图像并行处理系统最关键的环节[2]。本文对如何应用并行处理技术对流水线型图像进行处理,以及超低分辨率人脸图像重建技术进行探讨。

1 图像处理的特点

图像处理技术本身包含的内容包括图像识别、图像编辑、图像增强和复原、图像变换以及高速图像处理等。在一个应用中,经常综合使用多种图像处理技术。图像处理具有一致性、分层性、邻域性、行顺序性、并行性、实时性等特点。一致性是指对图像区域的每一点进步处理均是采用相同算法的处理;分层性由低到高分为数据处理层、信息提取层和知识应用层,在同一处理层次会有多种算法,并组成多级图像处理;邻域性是在处理单一像素时,也同时要考虑其相邻像素,不能忽略围绕该像素的周边像素;行顺序性是指在图像处理中,考虑视频数据流的行顺序性特征,由于图像有多种数据格式,这些格式也具有行顺序性特征,在进行流水线处理时是首要起点;并行性是指在进行数据处理操作时,不同算法具有高度并行性,可以根据实际情况采用不同的并行结构对二维数据进行处理,对一定区域的点处理做并行计算;实时性是指某些过程和图像信源在时间上具有一致性,其主要含义是视频实时。

这些特征是设计图像处理系统的基本出发点,尤其对于图像的并行处理非常重要。可以说,图像数据和图像处理的特点既加大了并行处理的难度,也为并行处理提供了广阔的发挥空间。

2 图像并行处理技术基础

2.1 概念

图像并行处理起源于计算机并行处理技术,将并行结构引入计算机体系中的依据为资源共享、时间重叠、资源重复等概念,目的是提高计算机的运算速度。时间重叠是指多个处理过程在时间上相互错开,轮流重叠地使用同一套硬件设备的各个部分[3]。这种并行性在原则上不要求重复设置硬件设备,以在同一时刻同时进行多种操作的方式提高处理速度。在实现上,这种并行性在高性能处理机中表现为各种流水线部件或流水线处理机。资源重复是设置多个相同的设备,同时从事处理工作。这种并行性是以数量取胜的方法来提高并行处理速度。在实现上,这种并行性在高性能处理机中表现为各种多处理机或多处理器系统。资源共享是分时系统的基本特征,也就是说多个用户按照一定时间顺序轮流使用同一套硬件设备。资源共享促进了计算机软件中并发性的发展,也推动了计算机网络和分布处理系统的发展。对图像进行并行处理可极大提高图像处理速度,其中需要运用并行技术,同时还要选择高速运算部件。

并行处理技术应用广泛,其中流水线连接(见图1)和并行阵列连接(见图2)是常用的并行处理系统连接模式。流水线结构具有高速、固有寻址方式以及不需太大额外开销就可扩展功能的特点,但灵活性不够,较为保守。流水线结构对不同事务进行并行处理,其关键点是需要精确划分出不同处理单元的具体任务;而并行并列结构则对相同事务进行并行处理,不仅需要划分出具体任务,其输入输出数据的组织结构也对并行处理效率产生影响。

图1 流水线并行性结构

图2 数据并行性结构

2.2 处理器的并行结构

处理器的并行结构需要解决处理单元之间以及与存储体之间存在的通信问题。并行结构有多种,可根据实际情况进行优化选择。常用的并行结构如树形结构(见图3)、ChiP结构(见图4)、Sytilic结构等。树形结构的连接边是最少的,用得最多的则是二叉树结构。如果在二叉树的每一级内增加水平连接线,则可构成半环二叉树,这样不但可以进一步缩短通信路径,还可以平衡各节点上的信息流量。ChiP结构是一种由处理器和可编程开关组成的阵列,在这种结构中,每个处理器的四周都设置有和相邻的处理器相连的可编程开关,因而该结构具有灵活、直观、可重构等优点。Sytilic结构具有规则的几何形状,这种结构不唯一,而是有多种形式,其目的是与不同的算法相匹配。

图3 树形处理器并行结构

图4 Chip处理器并行结构

2.3 并行算法

0→L,L+a1→L,L+a2→L,…L+an→L

以上有n次运算,如果引入并行算法,将算法改写为:

矩阵中元素右上标小括号的数字表示操作的次数,下同。

引入并行算法后,运算次数仅为log2n,显然,这种算法比串行计算的计算速度有数量级的提升。

3 流水线型图像并行处理

3.1 基本技术

在流水线型图像处理系统中,所采用的流水线技术的基本原理则是将一类操作按其不同功能划分为一系列的子操作,遵照功能分离的原则和时间重叠的概念实现子操作并行,其作业形式则类似于工业生产流水线的作业形式。这是一种规范且高效的作业形式,在某种意义上说也是一种相对固定的作业形式。图5为多算法级联的流水线时空示意图。

图5 多算法级联的流水线时空示意图

在流水线型图像处理系统中,4个串行联结的子操作(B1～B4)可以是4个不同的算法,也可以是一个算法的4个操作步骤。在t0时刻,像素1经过B1处理,进入B2处理环节;在t1时刻,像素1经过B2处理,进入B3处理环节;以此类推,到t4时刻,像素1处理完毕。

3.2 图像处理工作站

VICOM-VME图像工作站是美国VICOM系统公司在20世纪80年代中期推出的一种高性能的图像处理系统,也是一个商品化的图像处理系统,其原理类似于IMAGEBOX-150图像处理系统,采用机箱式外形结构,主机选择了68020微处理器(美国SUN公司生产),由VME总线与68020微处理器将图像子系统连接起来。在性能指标上,该系统图像分辨率为512×512或1024×1024,为真彩色采集与显示;帧存最大容量为2250×512×512×8 bit,可实时进行点处理、直方图统计等,也可对特殊感兴趣区的图像进行实时处理。如图6所示。

洗涤条件也是影响 ISH 结果的重要因素。Nuovo 等[16]推荐了几种常见的杂交后洗涤缓冲液和洗涤温度，但未论述其原理，具体实验时仍然需要根据具体情况进行模索。本研究根据购买探针厂家推荐的、本实验室经常使用的或其他 CISH 试剂盒中经常使用的洗涤条件，设置了 3 种洗涤条件进行杂交条件优化。

图6 VICOM-VME图像工作站的图像子系统结构

3.3 图像计算机

TJ-82图像计算机是清华大学研制成功的一种高性能图像计算机,这是一个通用的高速图像处理系统,特别适用于遥感图像处理。该系统主机采用PDP/11系列小型机,图像子系统为机箱式结构,采用双屏显示形式。其主要性能有实时图像采集,512×512×8 bit;伪彩色、假彩色、真彩色图像显示,实时图像滚动、电子放大、漫游及动画显示;帧内存最大容量为2.39 MB等。

4 超低分辨率人脸图像重建技术

4.1 重建基本方法

低分辨率人脸图像的重建应着重研究以下三方面的问题:低分辨率人脸图像的归一化方法;低分辨率人脸图像的重建方法;低分辨率人脸图像重建像的识别方法。采用超分辨率技术可以将单幅或者多幅低分辨率人脸图像重建出高分辨率人脸图像。低分辨率人脸图像重建可基于学习、插值及多帧图像等技术进行重建。

4.2 多级多类训练集的生成方法

基于学习的超分辨率重建方法,需要生成训练集。可以选择视频图像生成训练集,也可以选择第二代身份证清晰的人脸图像生成训练集。选择了图像来源以后,还可以按性别生成训练集。用来训练的图像数量,初步的结论是在600张左右。增加训练图像的数量,重建性能提高甚微而计算复杂度增加较大。为了适应不同分辨率的待重建图像的应用,可以使用按照瞳距生成多级多类的训练集的方法。

4.3 人脸图像重建系统

超低分辨率人脸图像重建系统如图7所示。

图7 超低分辨率人脸图像重建系统框图

系统由重建模块、组像模块、识别模块组成。输入的是超低分辨率人脸图像,首先采用超分辨率重建获得重建像,继而进行人脸识别。浏览识别输出的相似度序列,寻找目标人。对于条件较差的超低分辨率人脸图像,主要的任务是形成意象人脸。在浏览识别输出的相似度序列时,人工寻找相似人脸,再进入组像环节。由于受摄像机视角以及焦距等因素的影响,等高、等宽特性会产生一定的变化,但大致是相等的。如果以已知人到现场进行验证,再进行等高、等宽调整,其结果将会更加准确[6-7]。

5 结语

综上所述,图像处理技术正在向高分辨率、高速处理和智能化处理方向发展,其广泛应用归因于计算机的普及、半导体器件的飞跃发展以及图像处理技术本身的进步。未来的图像处理,特别是在高度并行的图像处理方面的进展,将更加依赖算法与硬件的紧密联系,这种紧密联系不仅是软硬件的实现,还在于算法、存储、处理之间的紧密结合,这种结合有助于解决实际应用中的难题,使图像处理的水平达到一个新的高度。