[發(fā)明專(zhuān)利]基于動(dòng)態(tài)分配的分水嶺圖像分割并行方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710267501.X
• 申請(qǐng)日: 2017-04-21
• 公開(kāi)（公告）號(hào): CN107424154B
• 公開(kāi)（公告）日: 2020-04-03
• 發(fā)明（設(shè)計(jì)）人: 楊昊;趙長(zhǎng)名;王婷;張永清;陳海寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都信息工程大學(xué)
• 主分類(lèi)號(hào): G06T7/10
• 分類(lèi)號(hào): G06T7/10;G06T3/40
• 代理公司: 成都智涌知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51313
• 代理人: 周正輝

本發(fā)明涉及一種基于動(dòng)態(tài)分配的分水嶺圖像分割并行方法，將圖像平均分成k個(gè)基礎(chǔ)子圖，并將基礎(chǔ)子圖動(dòng)態(tài)分配給k個(gè)線程同時(shí)處理，并讓先處理完基礎(chǔ)子圖的線程分擔(dān)任務(wù)較重的線程的任務(wù)；然后對(duì)基礎(chǔ)子圖進(jìn)行分水嶺分割，通過(guò)排序和浸沒(méi)對(duì)像素點(diǎn)進(jìn)行處理；再通過(guò)改進(jìn)灰度準(zhǔn)則對(duì)過(guò)分割的基礎(chǔ)子圖進(jìn)行后處理；最后采用層疊拼接的方法對(duì)基礎(chǔ)子圖進(jìn)行并行拼接。本發(fā)明的方法通過(guò)將基礎(chǔ)子圖動(dòng)態(tài)分配給多個(gè)線程同時(shí)進(jìn)行處理，提高了算法的效率，采用改進(jìn)灰度準(zhǔn)則，具有一定的噪聲抑制作用，增強(qiáng)了算法的魯棒性，最后采用層疊拼接基礎(chǔ)子圖，進(jìn)一步的提高了算法效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及基于動(dòng)態(tài)分配的分水嶺圖像分割并行算法。

背景技術(shù)

在遙感信息計(jì)算體系中，作為高空間分辨率遙感影像信息提取與目標(biāo)識(shí)別的前提和基礎(chǔ)，圖像分割方法是實(shí)現(xiàn)從數(shù)據(jù)到信息的對(duì)象化提取的過(guò)渡環(huán)節(jié)和關(guān)鍵步驟，具有十分重要的地位。圖像分割就是把圖像分解為一些特定的性質(zhì)相似的部分(區(qū)域?qū)ο?，并用這些部分對(duì)圖像進(jìn)行分析和描述。圖像分割的結(jié)果是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，所以對(duì)圖像分割的研究也一直都是數(shù)字圖像處理技術(shù)研究中的熱點(diǎn)和焦點(diǎn)，至今已經(jīng)提出了大量的各種類(lèi)型的算法。在這些不斷涌現(xiàn)的算法中，分水嶺算法以其分割精細(xì)、便于軟硬件實(shí)現(xiàn)的優(yōu)點(diǎn)在近年來(lái)得到了廣泛應(yīng)用。從本質(zhì)上講，它是一種基于區(qū)域生長(zhǎng)的分割方法，但它得到的是連續(xù)、閉合、但有像素寬的目標(biāo)邊界。分水嶺分割算法有兩種變換方式：沉浸分水嶺變換和降水分水嶺變換。兙俥

分水嶺算法是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)得分割方法，其基本思想是把圖像看作是測(cè)地學(xué)上的拓?fù)涞孛玻瑘D像中每一個(gè)像素灰度值表示該點(diǎn)得海拔高度，每一個(gè)局部極小的值及其影響區(qū)域稱(chēng)為集盆，而集水盆的邊界則形成分水嶺。它可以將圖像分割為互不重疊區(qū)域，得到一個(gè)像素寬度且連續(xù)的邊界，其應(yīng)用對(duì)象是灰度梯度圖像。Vincent和Soille提出的浸沒(méi)模擬分水嶺算法是根據(jù)自然界中水浸沒(méi)的規(guī)律，即地形處于低洼的地段先被浸沒(méi)。分水嶺算法主要包含了兩個(gè)步驟。第一步：將圖像進(jìn)行處理，在將處理的圖像像素灰度值的大小按照升序排列出來(lái)；第二步：對(duì)排序處的順序進(jìn)行掃描，構(gòu)造出“集水盆地”，然后在不同標(biāo)記的“集水盆地”的邊緣構(gòu)造出“防水提壩”，來(lái)對(duì)圖像區(qū)域的初始化劃分處理。兙

為了提高遙感圖像分割處理效率，學(xué)者開(kāi)始把并行計(jì)算技術(shù)引入遙感圖像分割處理中，進(jìn)行了諸多研究，如區(qū)域生長(zhǎng)法圖像分割的數(shù)據(jù)并行方法研究、針對(duì)流域變換算法、多區(qū)域并行增長(zhǎng)算法、通過(guò)網(wǎng)格劃分來(lái)實(shí)現(xiàn)相似度矩陣的并行計(jì)算等方法。

但目前的技術(shù)方案還存在以下不足：

1、只對(duì)原始串行算法進(jìn)行了表層的靜態(tài)并行化

分水嶺算法比較復(fù)雜，且存在過(guò)分割問(wèn)題，這需要進(jìn)行分割后處理。分水嶺運(yùn)算過(guò)程中涉及到非常多的遞歸運(yùn)算，且高分遙感影像數(shù)據(jù)量龐大，因此在圖像分割過(guò)程中計(jì)算量很大，耗時(shí)長(zhǎng)，所需計(jì)算資源較多，且效率不離，故在分割算法計(jì)算過(guò)程中主要對(duì)其進(jìn)行并行化改造。如何進(jìn)行算法的并行化改造是需要技巧的，需要進(jìn)行合理的算法設(shè)計(jì)。然而現(xiàn)有算法僅僅進(jìn)行了最簡(jiǎn)單的靜態(tài)并行化改造，對(duì)算法的速度提升有限，沒(méi)有充分利用計(jì)算資源，造成資源的閑置、浪費(fèi)。因此，需要根據(jù)算法運(yùn)行中，各個(gè)計(jì)算資源的狀態(tài)，設(shè)計(jì)動(dòng)態(tài)并行算法，進(jìn)一步提高算法并行效率。

2、在對(duì)過(guò)分割小區(qū)域合并時(shí)沒(méi)有考慮算法對(duì)脈沖噪聲的抗干擾能力

現(xiàn)有算法在進(jìn)行過(guò)分割小區(qū)域合并時(shí)，基本采用對(duì)兩個(gè)區(qū)域之間像素灰度值的直接比較，用閾值進(jìn)行判別。這種方式對(duì)無(wú)噪圖像以及高斯分布噪聲污染圖像的處理有較好效果，但是對(duì)于脈沖噪聲污染的圖像，則會(huì)受到嚴(yán)重的干擾，魯棒性較差。主要原因是脈沖噪聲對(duì)像素灰度值有較大幅度的改變，使得判別值會(huì)大幅偏離。需要改進(jìn)過(guò)分割小區(qū)域合并判別算法，使之具有一定的抗脈沖噪聲干擾能力。

3、對(duì)算法并行化后產(chǎn)生的額外的縫合步驟沒(méi)有進(jìn)行并行化