Particle Swarm Optimization (PSO) merupakan salah satu algoritma metaheuristik untuk menyelesaikan masalah-masalah optimisasi dan dapat digunakan untuk melakukan segmentasi citra digital. Permasalahan yang timbul adalah waktu pemrosesan yang cukup lama, sehingga untuk mempercepatnya perlu digunakan komputasi paralel.
Dalam penelitian ini diteliti bagaimana melakukan segmentasi citra dengan cara mengimplementasikan algoritma PSO untuk melakukan clustering pada citra digital dengan menggunakan komputasi paralel berbasis NVIDIA CUDA. Dalam penelitian ini, dikembangkan tiga implementasi PSO paralel untuk segmentasi citra, yaitu implementasi naif di mana pemrosesan dilakukan di GPU dan CPU secara sekuensial, implementasi asinkron di mana pemrosesan dilakukan di GPU dan CPU secara bersamaan(asinkron), dan implementasi full-device di mana pemrosesan dilakukan sepenuhnya di GPU.
Dari penelitian ini, didapatkan bahwa implementasi PSO untuk segmentasi citra secara paralel yang terbaik adalah implementasi full-device, di mana peningkatan kecepatannya hampir mencapai dua kali lipat dibandingkan dengan pemrosesan yang dilakukan sepenuhnya di CPU.