[en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING

Detalhes bibliográficos
Autor(a) principal: PATRICK NIGRI HAPP
Data de Publicação: 2013
Tipo de documento: Outros
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@2
http://doi.org/10.17771/PUCRio.acad.21699
Resumo: [pt] Ultimamente, sensores orbitais de alta resolução espacial estão fornecendo uma quantidade crescente de dados sobre a superfície da Terra. A análise destes dados implica em uma alta carga computacional, que tem motivado pesquisas envolvendo hardwares e softwares mais eficientes para estas aplicações. Neste contexto, uma questão importante reside na segmentação de imagens que envolve longos tempos de processamento e é etapa fundamental na análise de imagens baseada em objetos. Os avanços recentes das modernas unidades de processamento gráfico ou GPUs abriram a possibilidade de se explorar a capacidade de processamento paralelo para melhorar o desempenho da segmentação. Este trabalho apresenta uma versão paralela do algoritmo de segmentação multicritério, introduzido originalmente por Baatz e Schappe (2000), concebido para ser executado por GPUs. A arquitetura do hardware subjacente consiste em um sistema massivamente paralelo com múltiplos elementos processadores projetado especialmente para o processamento de imagens. O algoritmo paralelo é baseado no processamento de cada pixel em uma diferente linha de controle (thread) de modo a aproveitar a capacidade paralela da GPU. Esta dissertação também sugere alterações no cálculo de heterogeneidade do algoritmo, o que aumenta o desempenho computacional da segmentação. Os experimentos com o algoritmo paralelo proposto apresentaram uma aceleração maior do que 7 em relação à versão sequencial.
id PUC_RIO-1_895577ab9acd69b015522c7030a21227
oai_identifier_str oai:MAXWELL.puc-rio.br:21699
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING[pt] SEGMENTAÇÃO DE IMAGENS EM GPUS: UMA ABORDAGEM PARALELA PARA CRESCIMENTO DE REGIÕES[pt] SENSORIAMENTO REMOTO[pt] GPU[pt] PROCESSAMENTO DE IMAGENS[pt] PROCESSAMENTO PARALELO[en] REMOTE SENSING[en] IMAGE PROCESSING[en] PARALLEL PROCESSING[pt] Ultimamente, sensores orbitais de alta resolução espacial estão fornecendo uma quantidade crescente de dados sobre a superfície da Terra. A análise destes dados implica em uma alta carga computacional, que tem motivado pesquisas envolvendo hardwares e softwares mais eficientes para estas aplicações. Neste contexto, uma questão importante reside na segmentação de imagens que envolve longos tempos de processamento e é etapa fundamental na análise de imagens baseada em objetos. Os avanços recentes das modernas unidades de processamento gráfico ou GPUs abriram a possibilidade de se explorar a capacidade de processamento paralelo para melhorar o desempenho da segmentação. Este trabalho apresenta uma versão paralela do algoritmo de segmentação multicritério, introduzido originalmente por Baatz e Schappe (2000), concebido para ser executado por GPUs. A arquitetura do hardware subjacente consiste em um sistema massivamente paralelo com múltiplos elementos processadores projetado especialmente para o processamento de imagens. O algoritmo paralelo é baseado no processamento de cada pixel em uma diferente linha de controle (thread) de modo a aproveitar a capacidade paralela da GPU. Esta dissertação também sugere alterações no cálculo de heterogeneidade do algoritmo, o que aumenta o desempenho computacional da segmentação. Os experimentos com o algoritmo paralelo proposto apresentaram uma aceleração maior do que 7 em relação à versão sequencial.[en] Lately, orbital sensors of high spatial resolution are providing an increasing amount of data about the Earth surface. Analysis of these data implies in a high computational load, which has motivated researches on more efficient hardware and software for these applications. In this context, an important issue lies in the image segmentation that involves long processing times and is a key step in object based image analysis. The recent advances in modern programmable graphics units or GPUs have opened the possibility of exploiting the parallel processing capabilities to improve the segmentation performance. This work presents a parallel version of the multicriterion segmentation algorithm, introduced originally by Baatz and Schappe (2000), implemented in a GPU. The underlying hardware architecture consists of a massive parallel system with multiple processing elements designed especially for image processing. The parallel algorithm is based on processing each pixel as a different thread so as to take advantage of the fine-grain parallel capability of the GPU. In addition to the parallel algorithm, this dissertation also suggests a modification to the heterogeneity computation that improves the segmentation performance. The experiments under the proposed parallel algorithm present a speedup greater than 7 in relation to the sequential version.MAXWELLRAUL QUEIROZ FEITOSAPATRICK NIGRI HAPP2013-06-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@2http://doi.org/10.17771/PUCRio.acad.21699porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2019-10-24T00:00:00Zoai:MAXWELL.puc-rio.br:21699Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342019-10-24T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
[pt] SEGMENTAÇÃO DE IMAGENS EM GPUS: UMA ABORDAGEM PARALELA PARA CRESCIMENTO DE REGIÕES
title [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
spellingShingle [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
PATRICK NIGRI HAPP
[pt] SENSORIAMENTO REMOTO
[pt] GPU
[pt] PROCESSAMENTO DE IMAGENS
[pt] PROCESSAMENTO PARALELO
[en] REMOTE SENSING
[en] IMAGE PROCESSING
[en] PARALLEL PROCESSING
title_short [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
title_full [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
title_fullStr [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
title_full_unstemmed [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
title_sort [en] IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING
author PATRICK NIGRI HAPP
author_facet PATRICK NIGRI HAPP
author_role author
dc.contributor.none.fl_str_mv RAUL QUEIROZ FEITOSA
dc.contributor.author.fl_str_mv PATRICK NIGRI HAPP
dc.subject.por.fl_str_mv [pt] SENSORIAMENTO REMOTO
[pt] GPU
[pt] PROCESSAMENTO DE IMAGENS
[pt] PROCESSAMENTO PARALELO
[en] REMOTE SENSING
[en] IMAGE PROCESSING
[en] PARALLEL PROCESSING
topic [pt] SENSORIAMENTO REMOTO
[pt] GPU
[pt] PROCESSAMENTO DE IMAGENS
[pt] PROCESSAMENTO PARALELO
[en] REMOTE SENSING
[en] IMAGE PROCESSING
[en] PARALLEL PROCESSING
description [pt] Ultimamente, sensores orbitais de alta resolução espacial estão fornecendo uma quantidade crescente de dados sobre a superfície da Terra. A análise destes dados implica em uma alta carga computacional, que tem motivado pesquisas envolvendo hardwares e softwares mais eficientes para estas aplicações. Neste contexto, uma questão importante reside na segmentação de imagens que envolve longos tempos de processamento e é etapa fundamental na análise de imagens baseada em objetos. Os avanços recentes das modernas unidades de processamento gráfico ou GPUs abriram a possibilidade de se explorar a capacidade de processamento paralelo para melhorar o desempenho da segmentação. Este trabalho apresenta uma versão paralela do algoritmo de segmentação multicritério, introduzido originalmente por Baatz e Schappe (2000), concebido para ser executado por GPUs. A arquitetura do hardware subjacente consiste em um sistema massivamente paralelo com múltiplos elementos processadores projetado especialmente para o processamento de imagens. O algoritmo paralelo é baseado no processamento de cada pixel em uma diferente linha de controle (thread) de modo a aproveitar a capacidade paralela da GPU. Esta dissertação também sugere alterações no cálculo de heterogeneidade do algoritmo, o que aumenta o desempenho computacional da segmentação. Os experimentos com o algoritmo paralelo proposto apresentaram uma aceleração maior do que 7 em relação à versão sequencial.
publishDate 2013
dc.date.none.fl_str_mv 2013-06-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/other
format other
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@2
http://doi.org/10.17771/PUCRio.acad.21699
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21699@2
http://doi.org/10.17771/PUCRio.acad.21699
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1814822586129842176