Dağıtılmış Nesnesel Birim Modeli Üzerinde Görüntü İşleme Algoritmalarının Paralelleştirilmesi

Abstract

Bu çalışmada hesaplama modelleri içinde en fazla paralellik içeren MIMD modelinin yazılımla gerçeklemesi yapılmıştır. Bunun için alt yapı olarak dağıtılmış nesnesel birim modeli (DCOM) kullanılmıştır. Eşzamanlı (synchcronous) iletişimle haberleşen istemci-sunucu modeli kullanılmıştır. Ağ üzerinde farklı bilgisayarlarda paralel olarak çalışan sunucu nesneleri (COM Objects) , bir istemci tarafından kontrol edilir. İstemcinin işleri bu sunuculara dağıtıp paralel olarak çalıştırabilmesi için genel paralelleştirme algoritması geliştirilmiştir. Bu algoritma göre istemci öncelikle bir problemi birbirinden mümkün olduğunca bağımsız alt problemlere ayırır ve bu işleri sunucu nesnelerine dağıtır. Daha sonra sonuçları toplayarak birleştirir ve problemin çözümünü oluşturur. Geliştirilen bu paralel sistem görüntü işleme alanına uygulanmıştır. Hough dönüşümü ve parmak izi işleme algoritmaları paralel olarak gerçeklenmiştir. Yapılan testler sonucunda bu işlemlerin paralel yapılmasın ardışık yapılmasına göre çok daha hızlı olduğu sonucu çıkarılmıştır. N tane sunucu nesnesi ile yaklaşık N kat hız kazancı sağlanmıştır. Testler sonrasında ağ bant genişliğini daha etkin kullanımı ve sunucularda oluşan hataların giderilmesi için çalışmalar yapılmıştır.

In this study, MIMD computational model, which is the best model in terms of parallel computation, is implemented using Distributed Component Object Model (DCOM) as framework. Synchronous communication is used in client-server model. A Client program controls Server programs (COM Objects) running on different machines in the same network. A general parallel model is developed to distribute tasks to Server objects. In this algorithm, Client program divides the problem into sub-problems and distributes to Server objects. After servers finish their job, Client gets back the results and combines them to get the final solution. This parallel model is applied to image processing algorithms. Parallel Hough transformation and fingerprint image processing are implemented. As a result, it’s seen that parallel implementation of these algorithms is much more faster then the sequential counterpart. With N parallel Server objects, it’s almost N times faster. After the tests, more study is done for efficient use of network bandwidth and for elimination of Server error.