Реалізація паралельного алгоритму сегментації зображень на основі нарощування областей

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2020.197095

Ключові слова:

комп'ютерний зір, обробка зображень, методи сегментації, нарощування областей, паралельна обробка, паралельні алгоритми, графічний процесор, ОКМД, аналіз текстур, цифрова обробка зображень

Анотація

В області комп'ютерного зору і обробки зображень сегментація зображень залишається актуальною областю досліджень, в якій міститься багато частково вирішених питань. Одна з найбільш значущих областей в цифровій обробці зображень відноситься до сегментації, процесу, який розбиває зображення на різні складові компоненти. Метод, який широко використовується в літературі, називається нарощуванням областей. Однак він має високий рівень обчислювальної складності. Традиційні методи нарощування областей засновані на порівнянні рівнів сірого сусідніх пікселів і зазвичай непридатні, коли сегментована область містить інтенсивності, подібні до сусідніх областей. Однак, якщо в порогових значеннях вказано широкий допуск, то виявлені межі перевищуватимуть область ідентифікації; і навпаки, якщо граничний допуск занадто сильно зменшується, то ідентифікована область буде менше бажаної. При аналізі текстур кілька сцен можна розглядати як композицію різних текстур. Візуальна текстура відноситься до враження шорсткості або гладкості, яке створюють деякі поверхні шляхом зміни відтінків або повторення візуальних візерунків. Методи аналізу текстур засновані на призначенні одного або декількох параметрів, що вказують на характеристики текстури кожній області зображення. В даній статті показано, як був реалізований паралельний алгоритм для вирішення відкритих проблем в області дослідження сегментації зображень. Нарощування областей – це вдосконалений підхід до сегментації зображень, при якому сусідні пікселі досліджуються один за іншим і додаються до відповідного класу областей, якщо межа не виявлена. Цей процес є ітераційним для кожного пікселя в межах області. Якщо виявлені суміжні області, то використовується алгоритм злиття областей, в якому слабкі краї розчиняються, а тверді залишаються недоторканими, що вимагає багато часу обробки на комп'ютері, щоб уможливити паралельну реалізацію

Спонсор дослідження

  • We appreciate the facilities granted to carry out this work to the INSTITUTO POLITECNICO NACIONAL through the Secretary of Research and Postgraduate with the SIP project 20180023. To the Interdisciplinary Unit of Engineering and Social and Administrative

Біографії авторів

Jesús Antonio Álvarez-Cedillo, Instituto Politécnico Nacional – UPIICSA, México Av. Te 950, Col. Granjas México, Iztacalco, 08400

PhD. Advance Technology

Section of postgraduate studies and research of the interdisciplinary professional unit of social and administrative sciences of the IPN

Mario Aguilar-Fernández, Instituto Politécnico Nacional – UPIICSA, México Av. Te 950, Col. Granjas México, Iztacalco, 08400

PhD. Industrial Engineering

Section of postgraduate studies and research of the interdisciplinary professional unit of social and administrative sciences of the IPN

Teodoro Álvarez-Sánchez, Instituto Politécnico Nacional – CITEDI Av. Instituto Politécnico Nacional No. 131O, Nueva Tijuana, Tijuana, Baja California, 22435

PhD Informatic Sciences

Section of postgraduate studies and research- IPN

Raúl Junior Sandoval-Gómez, Instituto Politécnico Nacional – UPIICSA, México Av. Te 950, Col. Granjas México, Iztacalco, 08400

PhD Public relations

Section of postgraduate studies and research of the interdisciplinary professional unit of social and administrative sciences of the IPN

Посилання

  1. Keely, C. C., Hale, J. M., Heard, G. W., Parris, K. M., Sumner, J., Hamer, A. J., Melville, J. (2015). Genetic structure and diversity of the endangered growling grass frog in a rapidly urbanizing region. Royal Society Open Science, 2 (8), 140255. doi: https://doi.org/10.1098/rsos.140255
  2. Ashburner, J., Friston, K. J. (2005). Unified segmentation. NeuroImage, 26 (3), 839–851. doi: https://doi.org/10.1016/j.neuroimage.2005.02.018
  3. Bandler, R., Tork, I. (1987). Midbrain periaqueductal grey region in the cat has afferent and efferent connections with solitary tract nuclei. Neuroscience Letters, 74 (1), 1–6. doi: https://doi.org/10.1016/0304-3940(87)90041-3
  4. Patel, N. H., Liu, P. Z. (2009). Segmentation. Encyclopedia of Insects, 909–912. doi: https://doi.org/10.1016/b978-0-12-374144-8.00240-x
  5. Taylor, J. R. A., deVries, M. S., Elias, D. O. (2019). Growling from the gut: co-option of the gastric mill for acoustic communication in ghost crabs. Proceedings of the Royal Society B: Biological Sciences, 286 (1910), 20191161. doi: https://doi.org/10.1098/rspb.2019.1161
  6. Chen, D. (2008). Image Segmentation. User Centered Design for Medical Visualization, 258–279. doi: https://doi.org/10.4018/978-1-59904-777-5.ch013
  7. Hsiao, Y.-T., Chuang, C.-L., Jiang, J.-A., Chien, C.-C. (2005). Robust Multiple Targets Tracking Using Object Segmentation and Trajectory Estimation in Video. 2005 IEEE International Conference on Systems, Man and Cybernetics. doi: https://doi.org/10.1109/icsmc.2005.1571289
  8. Tynan, A. C., Drayton, J. (1987). Market segmentation. Journal of Marketing Management, 2 (3), 301–335. doi: https://doi.org/10.1080/0267257x.1987.9964020
  9. Felzenszwalb, P. F., Huttenlocher, D. P. (2004). Efficient Graph-Based Image Segmentation. International Journal of Computer Vision, 59 (2), 167–181. doi: https://doi.org/10.1023/b:visi.0000022288.19776.77
  10. Hu, R., Dollar, P., He, K., Darrell, T., Girshick, R. (2018). Learning to Segment Every Thing. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. doi: https://doi.org/10.1109/cvpr.2018.00445
  11. Owens, J. D., Houston, M., Luebke, D., Green, S., Stone, J. E., Phillips, J. C. (2008). GPU Computing. Proceedings of the IEEE, 96 (5), 879–899. doi: https://doi.org/10.1109/jproc.2008.917757
  12. Stuart, J. A., Owens, J. D. (2011). Multi-GPU MapReduce on GPU Clusters. 2011 IEEE International Parallel & Distributed Processing Symposium. doi: https://doi.org/10.1109/ipdps.2011.102
  13. Nickolls, J., Dally, W. J. (2010). The GPU Computing Era. IEEE Micro, 30 (2), 56–69. doi: https://doi.org/10.1109/mm.2010.41
  14. Bergstra, J., Breuleux, O., Bastien, F. F., Lamblin, P., Pascanu, R., Desjardins, G. et. al. (2010). Theano: a CPU and GPU math compiler in Python. Proceedings of the Python for Scientific Computing Conference (SciPy).
  15. Sanders, J., Kandrot, E. (2010). CUDA by Example: An Introduction to General-Purpose GPU Programming. NVIDIA Corporation, 311.
  16. Pratx, G., Xing, L. (2011). GPU computing in medical physics: A review. Medical Physics, 38 (5), 2685–2697. doi: https://doi.org/10.1118/1.3578605
  17. Sengupta, S., Harris, M., Zhang, Y., Owens, J. D. (2007). Scan primitives for GPU computing. Proceedings of the SIGGRAPH/Eurographics Workshop on Graphics Hardware, 97–106.
  18. Che, S., Boyer, M., Meng, J., Tarjan, D., Sheaffer, J. W., Skadron, K. (2008). A performance study of general-purpose applications on graphics processors using CUDA. Journal of Parallel and Distributed Computing, 68 (10), 1370–1380. doi: https://doi.org/10.1016/j.jpdc.2008.05.014
  19. Power, J., Hestness, J., Orr, M. S., Hill, M. D., Wood, D. A. (2015). gem5-gpu: A Heterogeneous CPU-GPU Simulator. IEEE Computer Architecture Letters, 14 (1), 34–36. doi: https://doi.org/10.1109/lca.2014.2299539
  20. Feng, W., Xiao, S. (2010). To GPU synchronize or not GPU synchronize? Proceedings of 2010 IEEE International Symposium on Circuits and Systems. doi: https://doi.org/10.1109/iscas.2010.5537722
  21. Lee, V. W., Hammarlund, P., Singhal, R., Dubey, P., Kim, C., Chhugani, J. et. al. (2010). Debunking the 100X GPU vs. CPU myth. Proceedings of the 37th Annual International Symposium on Computer Architecture - ISCA ’10. doi: https://doi.org/10.1145/1815961.1816021
  22. Zhou, Y., Tan, Y. (2009). GPU-based parallel particle swarm optimization. 2009 IEEE Congress on Evolutionary Computation. doi: https://doi.org/10.1109/cec.2009.4983119
  23. Shah, S., Bull, M. (2006). OpenMP---OpenMP. Proceedings of the 2006 ACM/IEEE Conference on Supercomputing - SC ’06. doi: https://doi.org/10.1145/1188455.1188469
  24. Hermanns, M. (2002). Parallel programming in Fortran 95 using OpenMP. School of Aeronautical Engineering.
  25. Chapman, B., Jost, G., Van Der Pas, R. (2008). Using OpenMP. Cluster Computing.

##submission.downloads##

Опубліковано

2020-02-29

Як цитувати

Álvarez-Cedillo, J. A., Aguilar-Fernández, M., Álvarez-Sánchez, T., & Sandoval-Gómez, R. J. (2020). Реалізація паралельного алгоритму сегментації зображень на основі нарощування областей. Eastern-European Journal of Enterprise Technologies, 1(9 (103), 6–11. https://doi.org/10.15587/1729-4061.2020.197095

Номер

Том 1 № 9 (103) (2020): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2020 Jesús Antonio Álvarez-Cedillo, Mario Aguilar-Fernández, Teodoro Álvarez-Sánchez, Raúl Junior Sandoval-Gómez

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.