پردازش تصویر و بینایی ماشین از علوم پرکاربرد در شاخه علوم رایانه می باشد. سامانه بینایی ماشین تصاویری از محیط اطراف خود گرفته و با تحلیل آن ها تعیین می کند که چه می بیند. یکی از معروف ترین روش های بازشناسی اشیا، هسته تطبیق هرمی مکانی است. هسته تطبیق هرمی مکانی به همراه ماشین بردار پشتیبان از دقت خوبی در بازشناسی اشیا برخوردار است. این روش علاوه بر دقت، مطلوبیت بالایی در بین محققان در این زمینه دارد. اما مراحلی که معمولا در سامانه های بازشناسی اشیا از جمله ایجاد هسته تطبیق هرمی مکانی انجام می گیرد زمان گیر و دارای محاسبات زیاد هستند. تلاش در استخراج ویژگی هایی از کل تصاویر یک پایگاه داده و تحلیل این ویژگی ها برای به کار بردن آن در این سامانه می تواند بسیار زمان گیر باشد. بنابراین موازی سازی الگوریتم کمک زیادی به کارایی آن خواهد کرد. جعبه ابزار محاسبات موازی matlab یکی از مفیدترین ابزار در این زمینه خواهد بود. در این پایان نامه بعد از تحقیق روی روش های مختلف بازشناسی اشیا سعی شده است با استفاده از این ابزار، الگوریتم های تشکیل هسته تطبیق هرمی مکانی و الگوریتم تشخیص اشیا در تصاویر بر اساس روش معروف وایولا- جونز به صورت موازی پیاده سازی شوند. اجرای موازی الگوریتم روی کلاستری از رایانه‏ها انجام شده است و بسته به تعداد پردازنده ها و هسته های هر پردازنده تا چندین برابر سرعت را در پی خواهد داشت که ما در این پیاده سازی به حداکثر 15 برابر سرعت در محاسبه هسته تطبیق هرمی مکانی و 19 برابر در الگوریتم تشخیص اشیا با استفاده از 5 رایانه با پردازنده های quad دست یافتیم. در این پیاده سازی به جای اجرای کل الگوریتم توسط یک رایانه هر یک از آن ها وظیفه اجرای بخشی از الگوریتم را بر عهده خواهند داشت. همچنین با ارائه راه حل هایی سعی شده است ارتباطات بین نودهای کلاستر-که همواره یکی از مشکلات روش های موازی سازی است- کمترین هزینه را برای انتقال داده در پی داشته باشد.