Publisher's Synopsis
La riduzione del rumore e l'ottimizzazione delle risorse a ogni livello della catena di fornitura è un problema di ottimizzazione difficile, soprattutto quando la base di conoscenza è generata da grandi insiemi di dati. L'elaborazione digitale delle immagini e la scienza dei dati sulle immagini sono le aree principali in cui si verificano problemi di ottimizzazione e di insiemi di dati rumorosi a causa della mutazione, dell'incertezza degli input e della versatilità della natura. L'algoritmo di riduzione del rumore fornisce una soluzione modulata per i problemi di ottimizzazione legati all'industria dell'elaborazione delle immagini. Il lavoro proposto (HIPID: Hadoop Image Processing Interface Denoising) in cui le attività MapReduce lavorano su calcoli In-Situ in cui i calcoli si muovono verso i dati, riducendo il tempo di esecuzione di copiare i dati ancora e ancora. Il lavoro proposto comprende lo studio dei sistemi distribuiti, delle tecniche di riduzione del rumore nell'elaborazione delle immagini per ridurre il rumore nelle immagini mediante un filtro adattivo con l'ottimizzazione. Inoltre, l'approccio proposto si applica all'ambiente HIPI per analizzare il tempo di esecuzione, il PSNR e l'MSE delle immagini, al fine di ottenere un PSNR migliore per ottenere risultati visivi qualitativi.
