基于Hadoop的超像素分割算法

摘要：

针对高分辨率图像像素分割时间复杂度高的问题, 提出了超像素分割算法.采用超像素代替原始的像素作为分割的处理基元, 将Hadoop分布式的特点与超像素的分块相结合.在分片过程中提出了基于多任务的静态与动态结合的适应性算法, 使得Hadoop分布式文件系统(HDFS)的分块与任务分发的基元解耦;在每一个Map节点任务中, 基于超像素分块的边界性对超像素的形成在距离和梯度上进行约束, 提出了基于分水岭的并行化分割算法.在Shuffle过程的超像素块间合并中提出了两种合并策略, 并进行了比较.在Reduce节点任务中优化了超像素块内合并, 完成最终的分割.实验结果表明.所提算法在边缘查全率(BR)和欠分割错误率(UR)等分割质量指标上优于简单线性迭代聚类(SLIC)算法和标准分割(Ncut)算法, 在高分辨率图像的分割时间上有显著降低.

关键词：Hadoop、图像分割、超像素、并行算法、MapReduce

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472095, 41306086;国家自然科学基金青年科学基金资助项目61502116;黑龙江省教育厅智能教育与信息工程重点实验室开放基金;National Natural Science Foundation of China61472095, 41306086;the Youth Science Foundation Project of National Natural Science Foundation of China61502116;the Open Fund o Key Laboratory of Intelligent Education and Information Engineering of Department of Education of Heilongjiang Province

在线出版日期：2017-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2985-2992