Master's thesis

GPU Implementation of Generalized Chan-Vese Model Minimization Using Graph Cuts

GPU implementace zobecněného Chan-Vese modelu minimalizovaného pomocí grafových řezů

Bc. Andrej Krejčír
Abstract

Cieľom tejto práce je implementovať a vyhodnotiť zovšeobecnený Chan-Vese model pre segmentáciu obrazu, minimalizovaný pomocou grafových rezov na GPU. Zovšeobecnenie je založené ma použití polynomiálneho modelu regiónov namiesto konštantných intenzít. Práca vysvetľuje detaily modelu a jeho implementácie. Presnosť výsledkov je porovnaná s pôvodným Chan-Vese modelom. Implementovaná GPU metóda pre nájdenie …more

Abstract

The aim of this thesis is to implement and evaluate a generalized Chan-Vese model for image segmentation, which is minimized using graph-cuts on the GPU. It is generalized by using polynomial region models instead of a constant function. The details of the model and the implementation are explained. The accuracy of results is compared to the original Chan-Vese model, and the performance and memory usage of the GPU graph-cut method are compared to existing CPU and GPU implementations.

Thesis description
Cílem práce je integrace polynomiální reprezentace regionů [1] do tradičního Chan-Vese modelu minimalizovaného pomocí grafových řezů, implementace tohoto zobecnění na grafické kartě a experimentální vyhodnocení jeho možností při segmentaci biomedicínských obrazových dat. Textová část práce musí obsahovat: stručný popis implementovaného přístupu, informace o vytvořené GPU implementaci a její experimentální vyhodnocení zaměřené především na kvalitu, rychlost a paměťovou náročnost výpočtu. Cílem praktické části je nejen samotná implementace v jazyce C++ s využitím architektury CUDA, ale také vytvoření doprovodné dokumentace s ukázkami použití vyvinuté metody.

Literatura:
  • [1] S. Mukherjee, S. T. Acton. Region based segmentation in presence of intensity inhomogeneity using Legendre polynomials. IEEE Signal Processing Letters, 22(3):298-302, 2015.
The thesis has been checked:
4/1/2017 16:20, doc. RNDr. Martin Maška, Ph.D., UČO 60734
Language used
English English
Defence date
9/2/2017
The thesis was defended successfully

Supervisor

doc. RNDr. Martin Maška, Ph.D., UČO 60734
CABO FI MU

Reader

doc. RNDr. Pavel Matula, Ph.D., UČO 2927
KVI FI MU

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.
  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.
  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.
  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.
  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.