该文的研究就是探索在保持高性能的同时,提高并行图像处理系统的可用性和应用程序可移植性,促进并行图像处理技术的实用化.与直接实现图像处理算法向并行计算结构映射的传统并行图像处理技术不同,该文在G.X.Ritter等人建立的图像代数理论基础上,提出了一个两级映射并行图像处理技术模型.在该模型中,图像处理算法向并行计算结构的映射被分为两级:第Ⅰ级是图像处理算法向图像代数的映射,第Ⅱ级是图像代数向并行计算结构的映射.该文首先基于图像代数理论,定义了一个面向中、低层次图像处理应用的图像代数运算集,这是全文的研究基础.该文中任务调度的目标是使应用算法的执行时间最短,为此该文接下来建立了基于图像代数描述的图像处理算法的时间开销模型,作为任务调度的依据.进行任务调度前,通常要对算法的初始任务图进行精简,以降低任务调度的复杂性.该文给出了关于任务图精简的一个定理和两个推论,指出可以将任务衅中的点运算节点和全局归约运算节点与其所在计算任务序列中相邻的计算任务合并,不会影响任务调度的最优性.此外,该文还提出了一种更为简捷的循环线性化方法,并证明了该方法的正确性.针对算法精简任务图中含有数据依赖计算任务的情况,该文提出了一种基于算法执行行为预测的全局优化任务调度策略.通过给出关于该任务调度策略最优性的一个定理,该文指出了任务调度策略获得全局最优任务调度结果的条件.同时,通过实验对任务调度策略的性能进行了验证.实验结果表明:该文的任务调度策略可以大幅度地减少算法的通讯时间开销,当算法的通讯时间开销在算法运行时间中占有较大比重时,调度策略可以明显地减少算法的运行时间.在上述研究的基础上,该文设计、实现了一个基于图像代数的并行图像处理环境.用户设计应用程序时,只需用图像处理环境提供的图像代数运算描述出应用算法即可,处理环境能够根据应用算法的描述,为算法中的图像代数运算选择最优或近似最优的并行实现方式,自动完成算法的运行.算法的并行实现和并行计算系统的硬件结构细节对用户透明.图像处理环境的另一个优点是具有良好的可移植性,只要有相应的并行实现函数库、运算特征库及相应计算结构解释器或编译器的支持,并行图像处理软件环境可以移植到其它任何类型的计算系统上.