發(fā)布時(shí)間：2017-06-20 06:07

  本文關(guān)鍵詞：基于Hadoop的超像素分割算法，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)高分辨率圖像像素分割時(shí)間復(fù)雜度高的問(wèn)題,提出了超像素分割算法。采用超像素代替原始的像素作為分割的處理基元,將Hadoop分布式的特點(diǎn)與超像素的分塊相結(jié)合。在分片過(guò)程中提出了基于多任務(wù)的靜態(tài)與動(dòng)態(tài)結(jié)合的適應(yīng)性算法,使得Hadoop分布式文件系統(tǒng)(HDFS)的分塊與任務(wù)分發(fā)的基元解耦;在每一個(gè)Map節(jié)點(diǎn)任務(wù)中,基于超像素分塊的邊界性對(duì)超像素的形成在距離和梯度上進(jìn)行約束,提出了基于分水嶺的并行化分割算法。在Shuffle過(guò)程的超像素塊間合并中提出了兩種合并策略,并進(jìn)行了比較。在Reduce節(jié)點(diǎn)任務(wù)中優(yōu)化了超像素塊內(nèi)合并,完成最終的分割。實(shí)驗(yàn)結(jié)果表明.所提算法在邊緣查全率(BR)和欠分割錯(cuò)誤率(UR)等分割質(zhì)量指標(biāo)上優(yōu)于簡(jiǎn)單線性迭代聚類(SLIC)算法和標(biāo)準(zhǔn)分割(Ncut)算法,在高分辨率圖像的分割時(shí)間上有顯著降低。
【作者單位】： 哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【關(guān)鍵詞】： Hadoop 圖像分割 超像素 并行算法 MapReduce
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61472095,41306086);國(guó)家自然科學(xué)基金青年科學(xué)基金資助項(xiàng)目(61502116) 黑龍江省教育廳智能教育與信息工程重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目~~
【分類號(hào)】：TP391.41
【正文快照】： 0引言在世界多元化發(fā)展的背景下,互聯(lián)網(wǎng)技術(shù)在各個(gè)方面都為人們的生活帶來(lái)了便利。圖形圖像作為人類與計(jì)算機(jī)交互最為直觀、便捷的方式,其相應(yīng)的處理以及識(shí)別分析能力直接會(huì)影響到人們的感官體驗(yàn),而圖像分割作為連接圖像處理與圖像識(shí)別、圖像分析的橋梁,也會(huì)為接下來(lái)的后續(xù)使

  本文關(guān)鍵詞：基于Hadoop的超像素分割算法，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：464719