Nowyj podhod k obescwechiwaniü izobrazhenij s ispol'zowaniem HIPI

Уменьшение шума и оптимизация ресурсов на каждом уровне цепочки поставок - сложная проблема оптимизации, особенно в тех случаях, когда база знаний формируется на основе больших наборов данных. Цифровая обработка изображений и Image Data Science являются основными областями, где возникают проблемы оптимизации и зашумленных наборов данных из-за мутации, неопределенности входных данных и многогранности природы. Алгоритм шумоподавления обеспечивает модулируемое решение проблем оптимизации, связанных с обработкой изображений. Предлагаемая работа (HIPID: Hadoop Image Processing Interface Denoising), в которой задачи MapReduce работают над вычислениями In-Situ, в которых вычисления движутся к данным, что сокращает время выполнения копирования данных снова и снова. Целью работы является изучение распределенных систем, методов шумоподавления в обработке изображений для уменьшения шума в изображениях с помощью адаптивного фильтра с оптимизацией. Далее предложенный подход применяется к среде HIPI для анализа времени выполнения, PSNR и MSE изображений, для доl