Náhodná procházka a její využití v segmentaci obrazu

Abstract

Tato práce se zabývá problematikou náhodné procházky a jejího využití v segmentaci obrazu. Kvalitní a rychlá segmentace patří v dnešní době k nejdůležitějším problémům ve zpracování obrazu. Náhodná procházka a náhodná procházka s restartem jsou jedním z možných řešení, které budou detailně prozkoumány v této práci. Pomocí náhodné procházky s restartem se také počítá Google-Pagerank. Nalezení rychlého, paměťově nenáročného řešení pro velké grafy je tedy v současné době velmi důležitý problém. Jedním z hlavních cílů práce byla paralelní implementace těchto problémů na CUDA a porovnání s původními verzemi na CPU. V kapitole výsledky lze vidět, že bylo dosaženo významného zrychlení výpočtu. Dále jsme provedli několik úprav algoritmu RW, které vedly k lepším výsledkům segmentace pomocí Generativního modelu z algoritmu RWR a prahové hodnoty pravděpodobností T.

This thesis deals with the problem of Random Walk and it's application to the image segmentation. High quality and fast image segmentation is nowadays one of the most important problem in the image processing. The Random Walk and the Random Walk with Restart are two possible approaches that will be thoroughly studied in this thesis. The Random Walk with restart is also used for obtaining Google-Pagerank therefore finding a fast and efficient low memory solution for a big graphs is currently a crucial problem. One of the main goals of this thesis was to implement parallel solutions on CUDA for these problems and compare them with the CPU versions. The chapter Výsledky shows that we achieved considerable improvements in computational speed. We also made some improvements to obtain better segmentation for the RW algorithm by using the Generative Model from RWR and probability threshold T.