10.15918/j.tbit1001-0645.2015.12.006
基于MPI的二维经验模分解并行算法
针对二维经验模分解(BEMD)处理大尺寸图像耗时较长的问题,提出了一种基于MPI技术的BEMD并行算法.对BEMD串行程序中极值点选取、平面三角剖分、三角域内数值插值等几个主要部分的运行时间进行了统计,结果表明三角域内数值插值是耗时的主要部分,也是并行化的重点处理部分;随后在高性能计算平台上构建并行环境,基于MPI技术对BEMD算法的包络面生成部分实现了并行化,具体方法是先将剖分后的三角形序列按照进程数均匀划分,使整个图像分割为若干子区域并分配给相应进程,然后各进程拟合出对应子区域的上下Bezier曲面并由0进程进行合并,进而生成上下包络面;最后通过加速比等指标对该算法进行测评.结果表明,算法在30核并行执行时加速比可达20.139 6,利用率为64.97%,运行效率的提升较为明显.在数据量达到原始数据的25倍时可扩展性指标为1.397 5,表明该算法对大数据量的任务有很好的适应性.
二维经验模分解、MPI并行算法、大尺寸图像、分而治之法、Bernstein-Bezier插值
35
TP311.11(计算技术、计算机技术)
国家自然科学基金资助项目41306193
2016-02-26(万方平台首次上网日期,不代表论文的发表时间)
1236-1242