基于Hadoop的超像素分割算法

• 作者: 刘文杰 印桂生 王春波 董红斌
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: Hadoop 图像分割 超像素 并行算法 MapReduce
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 第十六届中国粗糙集与软计算联合学术会议(CRSSC 2016)论文
• 页码范围: 2985-2992
• 页数: 8页
• 分类号: TP391.41
• 字数: 8005字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.11.2985

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印桂生	哈尔滨工程大学计算机科学与技术学院	113	842	16.0	23.0
2	董红斌	哈尔滨工程大学计算机科学与技术学院	36	277	9.0	15.0
3	刘文杰	哈尔滨工程大学计算机科学与技术学院	2	5	2.0	2.0
4	王春波	哈尔滨工程大学计算机科学与技术学院	3	9	2.0	3.0