P-HGRMS：一种基于并行超图的均方根图像去噪算法
分布式、并行与集群计算
2013-07-02 v2 计算机视觉与模式识别
摘要
本文提出了一种基于超图均方根（HGRMS）方法的并行灰度数字图像椒盐（SP）噪声去除算法。HGRMS 是一种通用算法，采用两级层次化串行方法识别任何数字图像中的噪声像素。然而，针对 SP 噪声去除，我们通过引入基数矩阵和迭代因子 k，将该算法简化为并行模型，这有助于减少现有方法中的依赖性。我们还观察到，串行实现在较小图像上性能更好，但一旦图像分辨率达到阈值，其计算复杂度会急剧增加。我们在 NVIDIA 的统一计算设备架构（CUDA）上使用来自 Berkeley Segmentation 数据集的标准图像测试了 P-HGRMS，用于噪声识别和衰减。我们还使用峰值信噪比（PSNR）比较了所提算法与现有方法的去噪效率。P-HGRMS 保持了去噪效率，并在计算效率上比其串行对应版本高出 6 到 18 倍（6x - 18x）。
引用
@article{arxiv.1306.5390,
title = {P-HGRMS: A Parallel Hypergraph Based Root Mean Square Algorithm for Image Denoising},
author = {Tejaswi Agarwal and Saurabh Jha and B. Rajesh Kanna},
journal= {arXiv preprint arXiv:1306.5390},
year = {2013}
}
备注
2 pages, 2 figures. Published as poster at the 22nd ACM International Symposium on High Performance Parallel and Distributed Systems, HPDC 2013, New York, USA. Won the Best Poster Award at HPDC 2013