PARALELIZAÇÃO DE ESQUELETIZAÇÃO DE IMAGENS DE FUNDO DE RETINA NA ARQUITETURA CUDA
Revista Brasileira de Contabilidade e Gestão
PARALELIZAÇÃO DE ESQUELETIZAÇÃO DE IMAGENS DE FUNDO DE RETINA NA ARQUITETURA CUDA
Autor Correspondente: Karin Satie Komati | [email protected]
Palavras-chave: algoritimo de esqueletização, zhang-suen, imagens digitais de fundo de retina, CUDA, DRIVE, skeletonization algorithm, digital retinal images
Resumos Cadastrados
Resumo Português:
Este trabalho apresenta uma análise comparativa do tempo de resposta de esqueletização de imagens, usando as diretrizes do algoritmo Zhang-Suen, desenvolvido sob duas formas: sequencial mono-processada e paralela multi-processada usando uma unidade de processamento gráfico. A plataforma de computação paralela escolhida foi o CUDA. A aplicação é voltada para imagens de fundo de retina, cuja extração de características dos vasos sanguíneos auxiliará diagnósticos médicos e, portanto, o tempo de resposta do sistema é fundamental. Testes realizados em uma base de dados pública de imagens de retina, DRIVE, mostraram que a versão paralela foi, em média, mais de 31 vezes mais rápida do que a versão sem paralelismo.
Resumo Inglês:
This work presents a comparative analysis of the response time for the skeletonization of images, using two versions of the Zhang-Suen algorithm: a sequential mono-processed version and an parallel multi-processed version using the graphics processing unit. The parallel computing platform chosen was CUDA. The skeletonization applications developed is aimed towards processing retinal images, whose characteristics are extracted of blood vessels to assist medical diagnosis, and thus the response time of the system is paramount. Tests were performed on the DRIVE public retinal images database, and showed that the parallel version of the algorithm was, on average, more than 31 times faster than the sequential version.
Resumo Espanhol:
Este trabajo presenta un estudio comparativo del tiempo de procesamiento de un algoritmo de esqueletización de imágenes desarrollado de dos formas: secuencial y paralela. La aplicación está centrada en imágenes de fondo de retina, cuya extracción de las características de los vasos sanguíneos ayudará a los diagnósticos médicos, por lo que el tiempo de respuesta del sistema es fundamental. Se eligió la plataforma de computación en paralelo CUDA. Las pruebas realizadas en una base de datos pública de imágenes de retina, DRIVE, mostraron que la versión paralela era, en promedio, más de 31 veces más rápida que la versión no paralela.
