并行分水岭分割：基于GPU的层次化图像分割
计算机视觉与模式识别
2025-09-01 v1 分布式、并行与集群计算
摘要
许多图像处理应用依赖于将图像分割成像素“相似”的不相交区域。分水岭和瀑布变换是成熟的数学形态学像素聚类技术。它们都与现代应用相关，在这些应用中，需要一次性决定像素组，或者邻接信息是相关的。我们为GPU引入了三种新的并行分割算法。通过重复应用分水岭算法，我们生成了瀑布结果，这些结果在输入图像上形成了分割区域的层次结构。我们的分水岭算法在2D和3D中都达到了有竞争力的执行时间，在不到1.4秒内处理了一个800兆体素的图像。我们还展示了如何将此完全确定性的图像分割作为基于机器学习的语义分割的预处理步骤。这取代了超像素算法的作用，并实现了相当的准确性和更快的训练时间。
引用
@article{arxiv.2410.08946,
title = {Parallel Watershed Partitioning: GPU-Based Hierarchical Image Segmentation},
author = {Varduhi Yeghiazaryan and Yeva Gabrielyan and Irina Voiculescu},
journal= {arXiv preprint arXiv:2410.08946},
year = {2025}
}