Detalhes bibliográficos
| Ano de defesa: |
1999 |
| Autor(a) principal: |
Silene de Freitas Fernandes |
| Orientador(a): |
Antônio Miguel Vieira Monteiro,
Celso Luis Mendes |
| Banca de defesa: |
Luiz Alberto Vieira Dias,
Alderico Rodrigues de Paula Júnior |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Computação Aplicada
|
| Departamento: |
Não Informado pela instituição
|
| País: |
BR
|
| Resumo em Inglês: |
Segmentation is an important step in image analysis for remote sensing; it is responsible for spliting the image into two distinct part so. Current segmentation methods used in images of this type are usually based on analysis of the pixel values in all image bands. This type of analysis can be computationally expensive. In order to reduce the processing time in image segmentation process this work introduces a parallel approach to image segmentation. This method is based on region growing technique as shown in Bins et all (1992), and used in the SPRING system (Images Processing System) developed by the Image Processing Division (DPI) at the Brazilian Institute for Space Research (INPE). The parallelism is done using the SPMD (Single Process, Multiple Data) paradigm and the message passing model under the MPI (Message Passing Interface). All testes have been executed in a PC cluster under the Linux Operating System. The results have been compared with output of a sequential system executing the same environment. The parallelization offers a significant reduction in the processing time combined with a high quality segmentation. The parallelization model can be applied in other types of machine architectures under different operating systems. |
| Link de acesso: |
http://urlib.net/sid.inpe.br/jeferson/2004/06.07.13.21
|
Resumo: |
A segmentação é um importante passo na análise de imagens de sensoriamento remoto, sendo responsável pela divisão das mesmas em suas partes constituintes. Os métodos de segmentação aplicado em imagens desta natureza normalmente se baseiam na análise dos valores digitais dos pixels nas diversas bandas espectrais. Tal análise pode se tomar extremamente custosa computacionalmente. Visando reduzir o tempo de processamento do processo de segmentação de imagens, este trabalho objetiva a paralelização do algoritmo de segmentação por crescimento de regiões proposto por Bins et all. (1992), que está implementado como parte do Sistema de Processamento de Informações Georeferenciadas - SPRING desenvolvido pela Divisão de Processamento de Imagens DPI do Instituto Nacional de Pesquisas Espaciais - INPE. Esta paralelização é feita empregando-se o paradigma Single Process, Multiple Data - SPMD com o modelo de troca de mensagem suportado pela biblioteca Message Passing Interface - MPI. Os testes são executados num clusters de PC's com sistema operacional Linux. Os resultados são comparados aos resultados obtidos na versão sequencial, a qual é executada no mesmo ambiente. A paralelização do algoritmo oferece uma redução significativa do tempo total de processamento, aliada a um produto cartográfico de qualidade, bem como oferece um modelo de implementação portável a diversas plataformas e sistemas operacionais. A principal aplicação deste trabalho é no Projeto de Desflorestamento da Amazônia - PRODES, em sua fase digital, visando a redução de custos através da otimização dos processos de classificação automática de cenas de satélites. |
