Heterogeenisten laskenta-alustojen käyttö kuvien segmentoinnissa

Kuvien segmentointi on merkittävä konenäön osa-alue. Nykyisin hete- rogeenisia laskenta-alustoja käytetään yhä kasvavassa määrin konenäössä. Asiasta on jo paljon tutkimusta, mutta tämä tutkimus käsittelee ongelmaa yleisesti ja liit- tyen uuteen nelipuumetsäsegmentointialgoritmiin, jonka rinnakkaista...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Pitkänen, Timo
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Tietotekniikan laitos, Department of Mathematical Information Technology, University of Jyväskylä, Jyväskylän yliopisto
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2015
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/45449
Kuvaus
Yhteenveto:Kuvien segmentointi on merkittävä konenäön osa-alue. Nykyisin hete- rogeenisia laskenta-alustoja käytetään yhä kasvavassa määrin konenäössä. Asiasta on jo paljon tutkimusta, mutta tämä tutkimus käsittelee ongelmaa yleisesti ja liit- tyen uuteen nelipuumetsäsegmentointialgoritmiin, jonka rinnakkaistamisesta ei ole vielä aikaisempaa tutkimusta. Tutkimuksessa tutustutaan OpenGL:n, CUDA:n ja OpenCL:n käyttöön kuvien segmentoinnissa ja toteutetaan niillä kynnystysalgoritmi. Lisäksi toteutetaan integraalikuvien laskenta CUDA:lla. Image segmentation is an important part of the computer vision research. Today, heterogeneous computing platforms are increasingly used in computer vision. There has been a lot of research on the subject, but this research deals with the problem in general and in relation to the new quad tree forest segmentation algorithm, which has not yet been parallelized. The study introduces usage of OpenGL, CUDA and OpenCL in the segmentation of images and the implementation of thresholding algorithm with them. In addition, calculation of integral images is implemented on CUDA.