350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №8 за 2013 г.
Статья в номере:
Метод сверхразрешения изображений для мобильных устройств с использованием сервера на базе графических процессоров
Ключевые слова: сверхразрешение GPU CUDA улучшение изображений алгоритм belief propagation марковские сети
Авторы:
С.Н. Загоруйко - программист-математик, ООО «ПАВЛИН Техно» П.В. Скрибцов - к.т.н., ген. директор, ООО «ПАВЛИН Техно» А.В. Долгополов - программист-математик, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru
Аннотация:
Показано, что задачи улучшения изображений, в частности, задача увеличения разрешения (задача сверхразрешения) достаточно востребованы среди мобильных устройств. Однако из-за ограниченной вычислительной мощности мобильных устройств, увеличение даже небольшого изображения современными алгоритмами сверхразрешения займет часы или даже сутки. Установлено, что выполнение алгоритма сверхразрешения на сервере с вычислительными графическими процессорами позволяет существенно ускорить вычисления, а в сочетании с постоянным потоком пользовательских изображений - оптимально распределить нагрузку на сервер. Предложена схема, позволяющая использовать мощные вычислительные сервера с мобильных устройств для обработки изображений.
Страницы: 42-49
Список источников

  1. Keys R. Cubic convolution interpolation for digital image processing // IEEE Trans. Acoustics, Speech, SignalProcessing.1981.V. 29. № 6. Р. 1153-1160.
  2. Li X. and OrchardM. T. New edge-directed interpolation // IEEE Trans. Image Processing.2001.V. 10. № 10. Р. 1521-1527.
  3. Freeman W. T., Jones T. R., and Pasztor E. C. Example-based super-resolution // IEEE Computer Graphics and Applications. 2002.V. 22. № 2. Р. 56-65.
  4. Baker S. and KanadeT. Limits on super-resolution and how to break them // IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. V. 24. № 9. Р. 1167-1183
  5. Freeman W. T., Pasztor E. C., and Carmichael O. T. Learning low-level vision // International Journal of Computer Vision. 2000.V. 40. № 1. Р. 25-47.
  6. Baker S. and Kanade T. Limits on super-resolution and how to break them // IEEE Trans. Pattern Analysis and Machine Intelligence. 2002.V. 24. № 9. Р. 1167-1183.
  7. Hertzmann, Jacobs C. E., Oliver N., Curless B., and Salesin D. H. Image analogies // In Computer Graphics (Proc. Siggraph 2001). NY.: ACM Press. 2001. Р. 327-340
  8. Pickup L. C., Roberts S. J., and Zissermann A.A sampled texture prior for image super-resolution // I, Advances in Neural Information Processing Systems (S. Thrun, L. Saul, and B. Scholkopf, eds). Cambridge. MA. 2004. MIT Press.
  9. Kim K. I., Kim D. H., and Kim J.-H.Example-based learning for image super-resolution // In Proc. the third Tsinghua-KAIST Joint Workshop on Pattern Recognition. 2004. Р. 140-148.
  10. K. Ni and T. Q. Nguyen Image superresolution using support vector regression // IEEE Trans. Image Processing.2007. V.16. № 6. Р. 1596-1610.
  11. .      Kim K. I. and Kwon Y.  Example-based learning for single image super-resolution // In Proc. DAGM. 2008. Р. 456-465
  12. Kim K. I. and Kwon Y.  Example-based Learning for Single-Image Super-Resolution and JPEG Artifact Removal.
IEEE Trans. Pattern Analysis and Machine Intelligence.2010.V. 32. № 6. Р. 1127-1133,
  13. Загоруйко С. Н. Ускорение вычисления быстрого преобразования Фурье на графических процессорах // 54-я научная конф. МФТИ. 2011.
  14. Brunton A., Shu C., and Roth G. Belief propagation on the GPU for stereo vision // In Proc. 3rd Canadian Conf. Computer and Robot Vision.2006. Р. 76.
  15. Grauer-Gray S., Kambhamettu C. and Palaniappan K. GPU implementation of belief propagation using CUDA for cloud tracking and reconstruction // In Proc. PRRS2008.2008. Р. 1-4.
  16. Govindaraju N. K. GPUFFTW: High performance GPU-based FFT library // In Supercomputing. 2006
  17. Nene S. A. and Nayar S. K. A Simple Algorithm for Nearest Neighbor Search in High Dimensions // IEEE Trans. Pattern Analysis and Machine Intelligence.Sept. 1997. V. 19. № 9. Р. 989-1003.
  18. Электронный ресурс http://opencv.willowgarage.com
  19. Электронный ресурс http://www.nvidia.com/content/cuda/cuda-toolkit.html