基于Hadoop在超像素分割算法中應(yīng)用

　　針對(duì)高分辨率圖像像素分割時(shí)間復(fù)雜度高的問(wèn)題，提出了超像素分割算法。采用超像素代替原始的像素作為分割的處理基元，將Hadoop分布式的特點(diǎn)與超像素的分塊相結(jié)合。在分片過(guò)程中提出了基于多任務(wù)的靜態(tài)與動(dòng)態(tài)結(jié)合的適應(yīng)性算法，使得Hadoop分布式文件系統(tǒng)（HDFS）的分塊與任務(wù)分發(fā)的基元解耦；在每一個(gè)Map節(jié)點(diǎn)任務(wù)中，基于超像素分塊的邊界性對(duì)超像素的形成在距離和梯度上進(jìn)行約束，提出了基于分水嶺的并行化分割算法。在Shuffle過(guò)程的超像素塊間合并中提出了兩種合并策略，并進(jìn)行了比較。在Reduce節(jié)點(diǎn)任務(wù)中優(yōu)化了超像素塊內(nèi)合并，完成最終的分割。實(shí)驗(yàn)結(jié)果表明．所提算法在邊緣查全率（BR）和欠分割錯(cuò)誤率（UR）等分割質(zhì)量指標(biāo)上優(yōu)于簡(jiǎn)單線性迭代聚類(lèi)（ SLIC）算法和標(biāo)準(zhǔn)分割（Ncut）算法，在高分辨率圖像的分割時(shí)間上有顯著降低。
?