Preview

Advanced Engineering Research (Rostov-on-Don)

Расширенный поиск

Оптимизация арифметического кодера для сжатия изображений, полученных при дистанционном зондировании водных объектов

https://doi.org/10.23947/1992-5980-2019-19-1-86-92

Аннотация

Введение. Предложенный в статье быстрый программный алгоритм арифметического кодирования предназначен для сжатия цифровых изображений. Показано, каким образом сложность алгоритма арифметического кодера зависит от критериев сложности (при этом размер входа не учитывается). В процессе работы определены наиболее вычислительно сложные части алгоритма арифметического кодера. Выполнена оптимизация производительности их программной реализации. Кодеки с новым алгоритмом сжимают без учета межкадровой разницы фото- и видеоматериалы, полученные при дистанционном зондировании водных объектов.

Материалы и методы. В представленной научной работе использована подборка спутниковых снимков акватории Азовского моря. При этом оптимизирован программный алгоритм арифметического кодера, проведено теоретическое исследование, выполнен вычислительный эксперимент.

Результаты исследования. Увеличена производительность программной реализации арифметического кодера на примере видеокодека VP9. Для измерения времени выполнения произведены многочисленные запуски эталонного и модифицированного кодеков. Сравнение среднего времени их исполнения показало, что производительность модифицированного кодека на 5,21 % выше. Прирост общей производительности для арифметического декодирования составил 7,33 %.

Обсуждение и заключения. Увеличение скорости работы новейших алгоритмов сжатия цифровых фото- и видеоизображений позволяет применять их на мобильных вычислительных платформах, в том числе в составе бортовой электроники беспилотных летательных аппаратов. Теоретические результаты данной работы расширяют методы анализа сложности алгоритма в среднем случае. Они могут использоваться в ситуации, когда количество шагов алгоритма зависит не  только от размеров входа, но и от неизмеримых критериев (например, от схемы обращения к общей оперативной памяти со стороны параллельных процессоров).

Об авторе

Р. В. Арзуманян
Институт компьютерных технологий и информационной безопасности Южного федерального университета, г. Таганрог
Россия

Арзуманян Роман Вадимович, аспирант кафедры «Интеллектуальные многопроцессорные системы»

347922, Ростовская обл., Таганрог, ул. Чехова, 22



Список литературы

1. WebP Compression Study [Электронный ресурс] / Google Developers. — Режим доступа: https://developers. google.com/ speed/webp/docs/webp_study (дата обращения 01.02.19).

2. Nguyenand, T. Objective Performance Evaluation of the HEVC Main Still Picture Profile / T. Nguyenand,

3. D. Marpe // IEEE Transactions on Circuits and Systems for Video Technology. — 2015. — Vol. 25, № 5. — P. 790–797.

4. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов / Р. Блейхут. — Москва : Мир, 1989. — 448 с.

5. Wallace, G. K. The JPEG still picture compression standard / G. K. Wallace // IEEE Transactions on Consumer Electronics. — 1992. — Vol. 38, № 1. — P. XVIII–XXXIV.

6. Дворкович, А. В. Цифровые видеоинформационные системы (теория и практика) / А. В. Дворкович, В. П. Дворкович. — Москва : Техносфера, 2012. — 1009 c.

7. Asaduzzaman, A. Performance-power analysis of H.265/HEVC and H.264/AVC running on multicore cache systems [Электронный ресурс] / A. Asaduzzaman, V. R. Suryanarayana, M. Rahman // Intelligent Signal Processing and Communications Systems. — Режим доступа: https://ieeexplore.ieee.org/document/6704542 (дата обращения 01.02.19).

8. Sedgewick, R. Algorithms. Fourth edition / R. Sedgewick, K. Wayne. — Upper Saddle River : AddisonWesley, 2016. — 960 p.

9. Introduction to Algorithms / T. H. Cormen [et al.]. — 3rd edition. — Cambridge ; London : The MIT Press, 2009. — 1296 p.

10. Welch, W. J. Algorithmic complexity: three NP — hard problems in computation all statistics / W. J. Welch // Journal of Statistical Computation and Simulation. — 1982. — Vol. 15, № 1. — P. 17–25.

11. High efficiency video coding [Электронный ресурс] / Fraunhofer Heinrich Hertz Institute. — Режим доступа: http://hevc.info/ (дата обращения: 01.02.19).

12. Sze, V. Parallelization of CABAC transform coefficient coding for HEVC [Электронный ресурс] / V. Sze, M. Budagavi // Semantic Scholar / Allen Institute for Artificial Intelligence Logo. — Режим доступа: https://www.semanticscholar.org/paper/Parallelization-of-CABAC-transform-coefficient-for-SzeBudagavi/0653a22ff7b82bdd0130cea8b597a7024ab46882 (дата обращения: 01.02.19).

13. Salomon. D. Handbook of data compression / D. Salomon, G. Motta. — London ; Dordrecht ; Heidelberg ; New York : Springer-Verlag, 2010. — 1360 p.

14. Anderson, S. E. Bit Twiddling Hacks [Электронный ресурс] / S. E. Anderson. — Режим доступа: https://graphics.stanford.edu/~seander/bithacks.html (дата обращения 01.02.19).

15. Гервич, Л. Р. Программирование экзафлопсных систем / Л. Р. Гервич, Б. Я. Штейнберг, М. В. Юрушкин // Открытые системы. СУБД. — 2013. — Т. 8.— C. 26–29.

16. Уоррен-мл., Г. С. Алгоритмические трюки для программистов / Г.-С. Уоррен- мл. — 2-е изд. — Москва : Вильямс, 2013. — 512 с.


Рецензия

Для цитирования:


Арзуманян Р.В. Оптимизация арифметического кодера для сжатия изображений, полученных при дистанционном зондировании водных объектов. Вестник Донского государственного технического университета. 2019;19(1):86-92. https://doi.org/10.23947/1992-5980-2019-19-1-86-92

For citation:


Arzumanyan R.V. Arithmetic coder optimization for compressing images obtained through remote probing of water bodies. Vestnik of Don State Technical University. 2019;19(1):86-92. https://doi.org/10.23947/1992-5980-2019-19-1-86-92

Просмотров: 527


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2687-1653 (Online)