对于极端动态范围的共享内存并行阿尔法树算法

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 遥感 遥感 遥感 遥感

背景情况:

• 阿尔法树 ($\alpha $-tree) 是用于连接过和细分的有效等级图像表示.
• 与组件树等方法相比,它提供了优越的图像颗粒度表示和更容易的多通道应用.
• $\alpha $-tree 的一个主要限制是它的处理速度很慢,特别是在多通道和高动态范围图像中.

研究的目的:

• 开发一种新的,快速的并行算法来构建alpha树 ($\alpha $-tree).
• 适应混合组件树算法,以在所有动态范围的像素不相似性中高效地构建$\alpha $树.
• 为了解决传统的$\alpha $树算法的处理速度限制.

主要方法:

• 混合组件树算法的新改编应用于$\alpha $-tree结构.
• 混合 $\alpha $-tree 算法在高性能计算集群 (Hábrók) 上实现和测试.
• 实验使用 Sentinel-2 遥感图像和随机生成的图像来评估性能.

主要成果:

• 混合 $\alpha $-tree 算法实现了 10-30 兆像素/秒的处理速度.
• 在128核心计算机上观察到10-30倍的显著加速度.
• 这代表了第一个已知的并行 $\alpha $-tree 算法,能够高效地处理高动态范围图像.

结论:

• 开发的混合 $\alpha $-tree 算法在处理速度上提供了实质性的改进.
• 该算法在远程传感应用中对高动态范围图像进行并行处理是有效的.
• 这项工作克服了以前的局限性,并使用$\alpha $-tree表示方式实现更快,更可扩展的图像分析.