摘要：针对利用各向异性扩散方程的去噪模型在求解中存在计算量大、耗时长、影响实时性等缺点，本文充分利用并行知识，提出了有效的解决方案。即基于各向异性扩散去噪模型，设计工作站机群平台，对噪声图像进行条状重叠的数据划分，以便实现算法节点内与节点间的两级并行策略：在机群结点内部采用共享内存结构，机群节点间采用分布内存结构，以二者的最优结合实现并行的层次结构化，从而得到一种高效的多层次并行图像去噪算法。实验结果表明，在基于混合模型的并行环境下，该算法能在一定程度上提高原算法的计算效率，不仅有效地缩短了运行时间，而且仍能获得与其相当的图像去噪质量。

关键词：图像去噪 各向异性扩散方程 机群 并行算法 混合模型 

单位：重庆邮电大学计算机科学与技术学院 重庆400065