Дослідження розпаралелених алгоритмів сегментації зображень з використанням обчислень на графічному процесорі

Автор(и)

  • Руслан Богданович Тушницький Національний університет «Львівська політехніка» Вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна
  • Ілля Ярославович Кожух Національний університет «Львівська політехніка» Вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна

DOI:

https://doi.org/10.15587/1729-4061.2013.12373

Ключові слова:

Аналіз гістограм, сегментація, кластеризація, обчислення на графічному процесорі, опрацювання зображень, паралельні обчислення, порівняння алгоритмів

Анотація

Розглянуто дослідження розпаралелених алгоритмів сегментації зображень з використанням обчислень на графічному процесорі. Для порівняння алгоритмів за якістю та швидкодією обрано такі два підходи сегментації – аналіз гістограм та кластеризація. Наведено результати досліджень та практичні рекомендації до їх використання

Біографії авторів

Руслан Богданович Тушницький, Національний університет «Львівська політехніка» Вул. С. Бандери, 12, м. Львів, Україна, 79013

Кандидат технічних наук, старший викладач

Кафедра програмного забезпечення

Ілля Ярославович Кожух, Національний університет «Львівська політехніка» Вул. С. Бандери, 12, м. Львів, Україна, 79013

Аспірант

Кафедра програмного забезпечення

Посилання

  1. Kurugollu, F. Color image segmentation using histogram multithresholding and fusion [Текст] / F. Kurugollu, B. Sankur, A. E. Harmanci // Image and Vision Computing, Vol. 19, Issue 13. – 2001. – P. 915-928.
  2. Lopes, N. V. Automatic histogram threshold using fuzzy measures [Текст] / N. V. Lopes, P. A. Mogadouro do Couto, H. Bustince, P. Melo-Pinto // IEEE Transactions on Image Processing, Vol. 19, Issue 1. – 2010. – P. 199-204.
  3. Lezoray, O. Color image segmentation using morphological clustering and fusion with automatic scale selection [Текст] / O. Lezoray, C. Charrier // Pattern Recognition Letters, Vol. 30, Issue 4. – 2009. – P. 397-406.
  4. Chitade, A. Z. Colour based image segmentation using k-means clustering [Текст] / A. Z. Chitade, S. K. Katiyar // International Journal of Engineering Science and Technology, Vol. 2, Issue 10. – 2010. – P. 5319-5325.
  5. Wang, H. Generalizing edge detection to contour detection for image segmentation [Текст]/ H. Wang, J. Oliensis // Computer Vision and Image Understanding, Vol. 114, Issue 7. – 2010. – P. 731-744.
  6. Felzenszwalb, P. F. Efficient graph-based image segmentation [Текст] / P. F. Felzenszwalb, D. P. Huttenlocher // International Journal of Computer Vision, Vol. 59, Issue 2. – 2004. – P. 167-181.
  7. Espindola, G. M. Parameter selection for region-growing image segmentation algorithms using spatial autocorrelation [Текст] / G. M. Espindola, G. Camara, I. A. Reis, L. S. Bins, A. M. Monteiro // International Journal of Remote Sensing, Vol. 27, Issue 14. – 2006. – P. 3035-3040.
  8. Senthilkumaran, N. Edge detection techniques for image segmentation – A survey of soft computing approaches [Текст] / N. Senthilkumaran, R. Rajesh // International Journal of Recent Trends in Engineering, Vol. 1, Issue 2. – 2009. – P. 250-254.
  9. Chen, J. Adaptive perceptual color-texture image segmentation [Текст] / J. Chen, T. N. Pappas, A. Mojsilovic, B. E. Rogowitz // IEEE Transactions on Image Processing, Vol. 14, Issue 10. – 2005. – P. 1524-1536.
  10. Kozhuh, I. CBIR System Using CUDA Technology [Текст] / I. Kozhuh, R. Tushnytskyy // Proceedings of the VIIIth International Conference “Perspective Technologies and Methods in MEMS Design” (MEMSTECH’2012). – Lviv-Polyana, 2012. – P. 60-61.
  11. Zhang, H. Image segmentation evaluation: A survey of unsupervised methods [Текст] / H. Zhang, J. E. Fritts, S. A. Goldman // Computer Vision and Image Understanding, Vol. 110, Issue 2. – 2008. – P. 260-280.
  12. Gregg, C. Where is the data? Why you cannot debate CPU vs. GPU performance without the answer [Текст] // C. Gregg, K. Hazelwood. – ISPASS, Austin, 2011. – P. 134-144.
  13. Shams, R. Efficient histogram algorithms for NVIDIA CUDA compatible devices [Текст] / R. Shams, R. A. Kennedy. – ICSPCS, Gold Coast, 2007. – P. 418-422.
  14. Farivar, R. A parallel implementation of k-means clustering [Текст] / R. Farivar, D. Rebodello, E. Chan, R. Campbell. – International Conference on PDPTA, Las Vegas, 2008. – P. 340-345.
  15. Catanzaro, B. Efficient, high-quality image contour detection [Текст] / B. Catanzaro, B. Y. Su, N. Sundaram, Y. Lee, M. Murphy, K. Keutzer. – IEEE International Conference on Computer Vision, Kyoto, 2010. – P. 2381-2388.
  16. Vineeth, V. CUDA cuts: Fast graph cuts on the GPU [Текст] / V. Vineeth, P. J. Narayanan. – Workshop on Visual Computer Vision on GPUs, Anchorage, 2008. – P. 1-8.
  17. Test database (1000 test images) [Електронний ресурс] / J. Z. Wang Research Group]. – Режим доступу: http://wang.ist.psu.edu/~jwang/test1.tar (2013).
  18. Kurugollu, F., Sankur B., Harmanci A. E. (2001). Color image segmentation using histogram multithresholding and fusion. Image and Vision Computing, vol. 19, issue 13, 915–928.
  19. Lopes, N. V., Mogadouro do Couto, P. A., Bustince, H., Melo-Pinto P. (2010). Automatic histogram threshold using fuzzy measures. IEEE Transactions on Image Processing, Vol. 19, Issue 1, 199–204.
  20. Lezoray, O., Charrier C. (2009). Color image segmentation using morphological clustering and fusion with automatic scale selection. Pattern Recognition Letters, Vol. 30, Issue 4, 397–406.
  21. Chitade, A. Z., Katiyar, S. K. (2010). Colour based image segmentation using k-means clustering. International Journal of Engineering Science and Technology, Vol. 2, Issue 10, 5319–5325.
  22. Wang, H., Oliensis, J. (2010). Generalizing edge detection to contour detection for image segmentation. Computer Vision and Image Understanding, Vol. 114, Issue 7, 731–744.
  23. Felzenszwalb, P. F., Huttenlocher, D. P. (2004). Efficient graph-based image segmentation. International Journal of Computer Vision, Vol. 59, Issue 2, 167–181.
  24. Espindola, G. M., Camara, G., Reis, I. A., Bins, L. S., Monteiro A. M. (2006). Parameter selection for region-growing image segmentation algorithms using spatial autocorrelation. International Journal of Remote Sensing, Vol. 27, Issue 14, 3035–3040.
  25. Senthilkumaran, N., Rajesh, R. (2009). Edge detection techniques for image segmentation: A survey of soft computing approaches. International Journal of Recent Trends in Engineering, Vol. 1, Issue 2, 250–254.
  26. Chen, J., Pappas, T. N., Mojsilovic, A., Rogowitz, B. E. (2005). Adaptive perceptual color-texture image segmentation. IEEE Transactions on Image Processing, Vol. 14, Issue 10, 1524–1536.
  27. Kozhuh, I., Tushnytskyy, R. (2012). CBIR System Using CUDA Technology. Proceedings of the VIIIth International Conference “Perspective Technologies and Methods in MEMS Design” (MEMSTECH’2012), 60–61.
  28. Zhang, H., Fritts, J. E., Goldman, S. A. (2008). Image segmentation evaluation: A survey of unsupervised methods. Computer Vision and Image Understanding, Vol. 110, Issue 2, 260–280.
  29. Gregg, C., Hazelwood, K. (2011). Where is the data? Why you cannot debate CPU vs. GPU performance without the answer. ISPASS, Austin, 134–144.
  30. Shams, R., Kennedy, R. A. (2007). Efficient histogram algorithms for NVIDIA CUDA compatible devices. ICSPCS, Gold Coast, 418–422.
  31. Farivar, R., Rebodello, D., Chan, E., Campbell, R. (2008). A parallel implementation of k-means clustering. International Conference on PDPTA, Las Vegas, 340–345.
  32. Catanzaro, B., Su, B. Y., Sundaram, N., Lee, Y., Murphy, M., Keutzer, K. (2010). Efficient, high-quality image contour detection. IEEE International Conference on Computer Vision, Kyoto, 2381–2388.
  33. Vineeth, V., Narayanan, P. J. (2008). CUDA cuts: Fast graph cuts on the GPU. Workshop on Visual Computer Vision on GPUs, Anchorage, 1–8.
  34. Wang, J. Z. (2013). Test database (1000 test images). Electronic resource, http://wang.ist.psu.edu/~jwang/test1.tar.

##submission.downloads##

Опубліковано

2013-04-25

Як цитувати

Тушницький, Р. Б., & Кожух, І. Я. (2013). Дослідження розпаралелених алгоритмів сегментації зображень з використанням обчислень на графічному процесорі. Eastern-European Journal of Enterprise Technologies, 2(4(62), 59–64. https://doi.org/10.15587/1729-4061.2013.12373

Номер

Том 2 № 4(62) (2013): Математика і кібернетика - фундаментальні та прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2014 Руслан Богданович Тушницький, Ілля Ярославович Кожух

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.