Nouvelle approche pour le débruitage d'images à l'aide de HIPI

La réduction du bruit et l'optimisation des ressources à chaque niveau de la chaîne d'approvisionnement est un problème d'optimisation difficile, en particulier lorsque la base de connaissances est générée à partir de grands ensembles de données. Le traitement des images numériques et la science des données d'image sont des domaines de premier plan où les problèmes d'optimisation et d'ensembles de données bruitées se posent en raison de la mutation, de l'incertitude des données d'entrée et de la versatilité de la nature. L'algorithme de réduction du bruit fournit une solution modulée pour les problèmes d'optimisation liés à l'industrie du traitement des images. Le travail proposé (HIPID : Hadoop Image Processing Interface Denoising) dans lequel les tâches MapReduce travaillent sur des calculs in situ dans lesquels les calculs se déplacent vers les données, ce qui réduit le temps d'exécution de la copie des données encore et encore. Le travail proposé comprend l'étude des systèmes distribués, des techniques de réduction du bruit dans le traitement de l'image pour réduire le bruit dans les images par un filtre adaptatif avec l'optimisation. L'approche proposée s'applique également à l'environnement HIPI pour analyser le temps d'exécution, le PSNR et le MSE des images, afin d'obtenir un meilleur PSNR pour des résultats visuels qualitatifs.