Нейросетевые алгоритмы для решения задач кодирования изображений с использованием технологии CUDA

• Автор: Нгуен Виет Хунг
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 154 с. : ил.

ВВЕДЕНИЕ «
1. ОБЗОР МЕТОДОВ СЖАТИЯ ИЗОБРАЖЕНИЙ
1.1 Методы сжатия статических изображений
1.1.1 Постановка задачи сжатия изображений. Основные

характеристики
1.1.2 Методы сжатия без потери информации
1.1.2.1 Метод группового кодирования (RLE)
1.1.2.2 Метод Хаффмана
1.1.2.3 Адаптивные коды Хаффмана
1.1.2.4 Алгоритм Лемпеля-Зива (LZ-compression)
1.1.2.5 Алгоритм Лемпеля-Зива-Велча (Lempel-Ziv-Weich -LZW)
1.1.2.6 Алгоритм Lossless JPEG
1.1.3 Методы сжатия с потерями
1.1.3.1 Алгоритм JPEG
1.1.3.2 Алгоритм JPEG 2000
1.2 Методы сжатия динамических изображений
1.2.1 Обзор стандартов
1.2.2 Описание общего алгоритма компрессии
1.2.3 Задача компенсации движения
1.3 Вывод по главе
2. НЕЙРОСЕТЕВЫЕ АЛГОРИТМЫ В ЗАДАЧЕ СЖАТИЯ СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ
2.1 Сжатие изображений с использованием многослойных нейронных сетей49
2.1.2 Многослойные нейронные сети
2.1.2 Многослойный нейросетевой алгоритм сжатия изображения

2.1.3 Результаты экспериментов
2.2 Сжатие изображений с использованием многослойных нейронных сетей: Адаптивный метод
2.3 Алгоритм сжатия на основе самоорганизующейся сети Кохонена
2.4 Сжатие изображений с использованием нейронной сети в преобразованном пространстве
2.5 Вывод по главе
3. ИССЛЕДОВАНИЕ И РАЗРАБОТКА АЛГОРИТМА КОМПЕНСАЦИИ ДВИЖЕНИЯ В ЗАДАЧЕ КОДИРОВАНИЯ
ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ
3.1 Алгоритм полного перебора
3.1.2 Алгоритм трехшагового поиска
3.1.3 Алгоритм нового трехшагового поиска
3.1.4 Алгоритм простого и эффективного поиска
3.1.5 Алгоритм четырехшагового поиска
3.1.6 Алгоритм по иска по алмазу
3.1.7 Алгоритм поиска по адаптивному шаблону - Adaptive Rood Pattern Search (ARPS)
3.2 Разработка алгоритма компенсации движения с использованием нейронной сети
3.2.1 Обоснование необходимости разработки нового алгоритма
3.2.2 Описание алгоритма
3.2.2.1 Алгоритм векторного квантования
3.3.2.2 Квантование с использованием сети Кохонена
3.3.2.3 Построение множество кандидатов векторов движения
3.3 Реализация алгоритмов и сравнение их эффективности
3.4 Выводы по главе

4. РЕАЛИЗАЦИЯ АЛГОРИТМОВ НА ГРАФИЧЕСКИХ ПРОЦЕССОРАХ NVIDIA
4.1 Технология CUDA
4.2 Реализация алгоритма сжатия статического изображения на графической карте с использованием технологией CUDA
4.2.1 Обучение самоорганизующейся карты сжатия статического изображения с помощью технологии CUDA
4.2.2 Реализация алгоритма сжатия изображения
4.3 Реализация алгоритмов компенсации движения на графических процессорах с использованием технологии CUDA
4.3.1 Описание подхода к реализации алгоритмов на CUDA
4.3.2 Эксперименты и результаты реализации
4.4 Выводы по главе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРЫ
Приложение 1: Исходный код обучения нейронной сети Кохонена на
CUDA
Приложение 2: Исходный код ядра реализации обученной нейронной
сети Кохонена на CUDA
Приложение 3: Исходный код ядра реализации нейросетевого
алгоритма для поиска векторов движения на CUDA
Приложение 4: Акты о внедрении результатов диссертации

Для сжатия получающихся массивов данных в JPEG 2000 используется вариант арифметического сжатия, называемый MQ-кодер, прообраз которого (QM-кодер) рассматривался еще в стандарте JPEG, но реально не использовался из-за патентных ограничений. Ввиду этого, используется не QM-кодер разработки IBM, а чуть худший, MQ-кодер, специально разработанный для JPEG2000. Кодирование ведется не всего изображения в целом и даже не отдельных субполос, а более мелких объектов - кодируемых блоков. Размер кодируемого блока может быть не более 4096 пикселей, высота не менее 4 пикселей . Такое разбиение хотя и снижает несколько коэффициент сжатия, но повышает устойчивость сжатого потока к ошибкам канала связи: ошибка испортит лишь небольшой блок. Кодирование блоков ведется в три этапа, битовыми плоскостями.
Характеристики алгоритма JPEG 2000 [1][5]:
Степень сжатия: 2-200 (задается пользователем). Возможно сжатие без потерь.
Класс изображений: полноцветные 24-битовые изображения.
Изображения в градациях серого без резких переходов цветов (фотографии) 1-битовые изображения.
Симметричность: 1-1.5.
Характерные особенности: позволяет удалять визуально неприятные эффекты, повышая качество в отдельных областях. При сильном сжатии появляется блочность и большие волны в вертикальном и горизонтальном направлениях.
1.2 Методы сжатия динамических изображений
Передача цифрового видео от источника (видеокамера или записанный видеоролик) к получателю (видеодисплей) вовлекает в разработку целую