搜档网
当前位置:搜档网 › 基于马尔可夫随机场的纹理图像并行分割

基于马尔可夫随机场的纹理图像并行分割

万方数据

万方数据

谢建春,夏勇,赵荣椿:基于马尔可夫随机场的纹理图像并行分割2008,44(14)183

的一个例子。图1(a)是一幅1024×1024的原始遥感图像,图1(b)和(C)分别是使用串行和并行算法得到的分割结果。显然,这两个结果是基本一致的,而且并行算法在对细节的保留上还优于串行算法。表l对比了串、并行算法的运行时间,并给出了并行算法的加速比和并行效率。从表1可见,虽然并行算法中保留了两个串行的环节,但是由于它们的时间复杂度与已经实现了并行的特征提取环节相比小很多,所以整个并行算法仍然非常高效。在4机并行的环境下,加速比达到了3.13,并行效率达到了78.15%。这一实验结果充分说明了本文所提出的并行纹理分割算法是有效的,可以在遥感图像分析中得到应用。

(a)原始遥感I型像(b)串行分割结果(c)并行分割结果(4N3

图1纹理图像串并行分割结果对比

表l并行纹理网像分削算法效率(图像大小:1024×1024)

这里需要说明的是,本算法是针对特定应用设计的。在该应用中,待处理的图像在并行系统的各个节点上都有备份,并且在系统启动之初就常驻内存。所以,主控节点只需要通知所有计算节点当前将要处理的是哪一幅图像以及分配给该节点的图像带的起始和终止位置。因此,表1中所给出的计算时间并不包括打开图像的时间。5小结

本文基于MPI并行程序开发库和消息传递并行编程模型,提出了一种针对计算机集群的纹理图像分割算法。本算法使用马尔可夫随机场作为纹理描述特征,特征提取过程被分布到各个计算节点上同时完成,从而部分地解决了纹理分割算法时间复杂度过大的问题。本算法在4机机群上运行的加速比达到了3.13,并行效率达到了78.15%。本算法对于计算节点的个数没有要求,可以在更大规模的计算机集群上运行。另一方面,本算法虽然是针对马尔可夫随机场特征设计的,但是所实现的并行分割框架很容易推广到使用其它特征的纹理图像并行分割算法。同时,本文的研究工作也将为利用计算机集群解决高时间复杂度的机器视党问题提供一定的借鉴。

参考文献:

[1]BakerM.Clustercomputingwhitepaper[EB/OL].(2000—12).University

ofPortsmouth.UK.http://dsg.port.卸.uk/一mab/Links/ffec/WhitePaper/final—paper.pal.

[2]都志辉.高性能计算并行编程技术一MPl并行程序设计[M].北京:清华大学出版社,2001.

[3]MaxM,ChristopheC,PatrickP,cta1.Sonarimagesegmentationusing∞unsupervisedhierarchicalMRFmodel[J].IEEETransactionsonImageProcessing,2000(9):1216-1231.

[4]BarkerSA.ImagesegmentationmiIlgMarkovrandomfieldmodels[D】.DeptEng,CambridgeUniv,1998.

[5]DengH,ClausiDA.Unsupervisedimageset尹aentationusingasimple

MRFmodelwithanew

implementationscheme[J].PatternRecogni—tion,2004(37):2323-2335.

[6]DuG,YcoTS.Anovelmultifractalestimationmethodandits印曲一cationtoremoteimagesegmentation[J].IEEETransactionsonGeo—ScienceRemoteSensing,2002,40(4):980-982.

(上接174页)

综上所述,本文定义了一种性能良好的彩色图像形态学膨胀和腐蚀算子,与原文献中面向RGB颜色空间的方法相比有了较大的改进。

5结论

本文分析了RGB、LSH、L+a‘b+颜色空问的优缺点,将数学形态学彩色图像处理的研究定位在RGB颜色空问;提出了一种基于改进的距离序和字典序相结合的颜色向量排序并分析了其性能改进之处;基于提出的颜色向量序设计了彩色图像形态学的膨胀、腐蚀、开和闭基本算子,根据这4个基本算子可以把灰度图像形态学中许多效果优良的技术推广到彩色图像。将灰度图像形态学重构开算法推广到了彩色图像,实验结果比原文献中在RGB、LSH、L‘a+b’三个颜色空问的实验效果都好,说明本文提出的彩色图像形态学膨胀和腐蚀算子与原文献相比性能上有一定的改进。今后进一步的研究工作,是利用定义的彩色图像形态学进行彩色图像处理(包括特征提取、图像分割等)。

参考文献:

【1]JesasA.Morphologicalcolorprocessingbasedondistancesapplicationtocolordenoisingandenhacementbyeelatreandcontrastoperators[C]∥CentredeMorphologieMathrmatique—EcoledesMinesdeParis,2005.[2]LucV.Morphologicalgrayscalereconstructioninimageanalysis,印?plicationandefficientalgorithms[J].IEEETransactiononImagePro-cessing,1993,2(2):176-201.

[3]HanburyA,SerraJ.Mathematicalmorphologyinthe工+a‘b‘space[C]//Proeeedingsofthe8thEuropeanCongressforStereologyandlm.ageAnalysis,2001.

[4]LeddaA,Philips.Majorityorderingforcolormathematicalmorphology[C]//ProceedingoftheXIIIEumpoanSisn且lProcessingConference,Antalya,Turkey,2005.

[5]LiJ,LiY,Multivariatemathematicalmorphologybasedonprincipalcomponentanalysis:initialresultsinbuildingextraction[C]//Pro-eeedingsofthe20thISPRSCongress,lnstanbul,Turkey,2004,35

(B7):1168—1173.万方数据

相关主题