MGSI-8CA标记算法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (20): 126-129.

MGSI-8CA标记算法

沈夏炯1，2，王晶晶1，2，范家铭1，2，周兵1，3

1.河南大学计算机与信息工程学院，河南开封 475001
2.河南大学数据与知识工程研究所，河南开封 475004
3.图像处理与模式识别研究所，河南开封 475004

出版日期:2013-10-15 发布日期:2013-10-30

Labeling algorithm of 8-adjacent connecting area for massive gray scale images

SHEN Xiajiong1，2, WANG Jingjing1，2, FAN Jiaming1，2, ZHOU Bing1，3

1.College of Computer and Information Engineering, Henan University, Kaifeng, Henan 475001, China
2.Institute of Data and Knowledge Engineering, Henan University, Kaifeng, Henan 475004, China
3.Institute of Image Processing and Pattern Recognition, Kaifeng, Henan 475004, China

Online:2013-10-15 Published:2013-10-30

摘要/Abstract

摘要： 针对已有连通域标记算法不能适用于遥感数据等海量灰度图像八连通域快速标记的问题，设计并实现了一种MGSI-8CA标记算法。该算法对传统的八连通域标记算法进行八向变四向优化，采用列表机制解决连通域标记冲突问题，并引入了筛选机制和分块处理机制，实现了对海量灰度图像八连通域标记的快速处理，同时也得到了灰度图像连通域的正确划分及精确的连通域数目。实验结果证明，MGSI-8CA标记算法运行效率高，更能适应海量灰度图像处理的要求。

关键词: 遥感数据, 海量, 灰度图像, 八连通域, 分块处理

Abstract: To solve the problem that the existing labeling algorithm of connecting area can not be applicable for fast labeling in 8-adjacent connecting area for massive gray images, such as remote sensing data, etc, this paper designs and implements a labeling algorithm of 8-adjacent connecting area for massive gray scale images. Through finding from four directions of every pixel instead of from eight directions in traditional labeling algorithm, it employs the list mechanism to solve labeling conflict of connecting area, and introduces the screening mechanism and the block processing mechanism, the algorithm realizes fast processing in 8-adjacent connecting area labeling for massive gray scale images. At the same time, the algorithm also gets a correct division in the connecting area of gray scale images and the accurate number of connecting area. Experimental result shows that the algorithm has high efficiency, and it is more adaptable to fulfill the requirements of massive gray scale images.

Key words: remote sensing data, massive, gray scale images, 8-adjacent connecting area, block processing

沈夏炯1，2，王晶晶1，2，范家铭1，2，周兵1，3. MGSI-8CA标记算法[J]. 计算机工程与应用, 2013, 49(20): 126-129.

SHEN Xiajiong1，2, WANG Jingjing1，2, FAN Jiaming1，2, ZHOU Bing1，3. Labeling algorithm of 8-adjacent connecting area for massive gray scale images[J]. Computer Engineering and Applications, 2013, 49(20): 126-129.

[1]	李彩林，陈文贺，胡善明，袁斌. 采用八叉树和OSG分页结点的海量点云三维可视化[J]. 计算机工程与应用, 2019, 55(21): 234-239.
[2]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[3]	杨海涛1，张传斌2，阮镇江1，徐飞1 . 大规模云同步归集数据系统的异步并行优化[J]. 计算机工程与应用, 2017, 53(2): 88-97.
[4]	王永贵，武超，戴伟. 基于MapReduce的随机抽样K-means算法[J]. 计算机工程与应用, 2016, 52(8): 74-79.
[5]	杨莹. 瓦片四叉树和填充曲线实现海量地形数据管理[J]. 计算机工程与应用, 2016, 52(14): 192-196.
[6]	宋爱波，万雨桐，贡欢，薛荧荧. 海量多维数据的存储与查询研究[J]. 计算机工程与应用, 2016, 52(13): 25-31.
[7]	刘应波1，3，王锋1，2，3，季凯帆2，邓辉2，戴伟1，2，3，梁波2. 基于压缩-字对齐位图的天文海量数据实时索引[J]. 计算机工程与应用, 2016, 52(1): 37-41.
[8]	张海军1，2，李勇2，闫琪琪2. 一种基于海量语料的网络热点新词识别方法[J]. 计算机工程与应用, 2015, 51(5): 208-213.
[9]	刘勇，覃飙，余萝. 海量活动轨迹相似查询[J]. 计算机工程与应用, 2015, 51(14): 99-103.
[10]	常生鹏1，马亿旿2，蔡立军1，丁玉成1. 一种基于Hadoop的高分辨率遥感图像处理方法[J]. 计算机工程与应用, 2015, 51(11): 167-171.
[11]	姜麟，米允龙，王添. 大数据下不完备信息系统近似空间的并行算法[J]. 计算机工程与应用, 2014, 50(15): 101-106.
[12]	冀素琴，石洪波. 面向海量数据的K-means聚类优化算法[J]. 计算机工程与应用, 2014, 50(14): 143-147.
[13]	黄秋兰，武杰，程耀东，陈刚. 海量存储系统的数据分布策略研究[J]. 计算机工程与应用, 2014, 50(10): 1-6.
[14]	阳小珊1，2，罗洪元1. 海量信息存储测评技术研究与服务平台建设[J]. 计算机工程与应用, 2013, 49(17): 47-52.
[15]	周腾腾1，陈林祥2，胡奥1. RRTA：一种基于顺序读取的有效Top-K查询算法[J]. 计算机工程与应用, 2013, 49(17): 116-120.