مشخصات مقاله:
عنوان فارسی مقاله:
تقسیم بندی موازی تصویر با استفاده از Reduction-Sweeps بر روی پردازنده های چند هسته ای و GPU ها
عنوان انگلیسی مقاله:
Parallel Image Segmentation Using Reduction-Sweeps On Multicore Processors and GPUs
کلمات کلیدی مقاله:
تقسیم بندی تصویر، بینایی کامپیوتری، برنامه نویسی GPU، برنامه ریزی موازی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی نرم افزار، معماری سیستم های کامپیوتری و برنامه نویسی کامپیوتر
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2-کار مرتبط
3- الگوریتم
الف-مجموعه نامرتب
ب- معیار ادغام
پ- ترتیب Sweep
د- Post-process
4 -پیاده سازی
5- نتایج
6- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
I. INTRODUCTION
Image segmentation is an image processing technique that divides an image into contiguous regions, or segments. All pixels in one of these segments are similar according to some criterion, such as color or intensity. By forming these clusters of similar elements, the process eliminates noise and facilitates posterior analysis. Segmentation is a crucial step for many applications where it is important to discern objects or boundaries within the image. Some examples are: pattern recognition applied to medical imaging [1] [2]; object recognition for AI and robotics [3] [4]; and the labeling and categorization of content in images [5] [6]. There has been much research done on the subject, but many of the approaches are inherently sequential in nature, making them difficult to parallelize. There are some methods in which parallelization is achieved by dividing the image, executing the algorithm over each of the parts, then stitching the borders between results. This solution may be better than a purely sequential one in terms of performance, but it is still not ideal for many applications.
1-مقدمه
تقسیم بندی تصویر یک روش پردازش تصویر است که یک تصویر را به قطعات یا بخش های مرتبط تقسیم می کند. تمام پیکسل ها در یکی از این بخش ها بر اساس برخی معیارها، مانند رنگ یا شدت نور مشابه هستند. با تشکیل این دسته از عناصر مشابه، فرآیند نویز را حذف کرده و آنالیز بعدی را تسهیل می کند.
تقسیم بندی یک مرحله بسیار مهم برای بسیاری از برنامه های کاربردی است که برای تشخیص اشیاء یا مرزها در تصویرمهم می باشد. برخی از مثالها عبارتند از: تشخیص الگوی به کار رفته برای تصویربرداری پزشکی [1] [2]؛ شناسایی شی برای AI و رباتیک[3] [4]؛ و برچسب گذاری و طبقه بندی محتوا درتصاویر [5] [6].
تحقیقات زیادی بر روی این موضوع انجام شده است، اما بسیاری از رویکردها ذاتا در طبیعت ترتیبی هستند، و ایجاد آنها برای موازی کردن دشوار می باشد. چند روش وجود دارد که در آنها موازی سازی به وسیله تقسیم کردن تصویر، اجرای الگوریتم بر روی هر یک از قطعات، و سپس با دوختن مرزها بین نتایج به دست می آید. این راه حل ممکن است بهتر از یک راه حل صرفا ترتیبی از لحاظ عملکرد باشد، اما هنوز برای بسیاری از برنامه های کاربردی ایده آل نیست.