IMAGE SEGMENTATION ON GPUS: A PARALLEL APPROACH TO REGION GROWING

• Main Author: PATRICK NIGRI HAPP
• Other Authors: RAUL QUEIROZ FEITOSA
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 2011
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=21699@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=21699@2

CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO === 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. === 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.