分布式并行计算在超分辨率图像增强中的应用

doi:10.11959/j.issn.1000-0801.2015103

电信科学 ›› 2015, Vol. 31 ›› Issue (4): 37-42.doi: 10.11959/j.issn.1000-0801.2015103

• 专题：视频技术与应用 • 上一篇下一篇

分布式并行计算在超分辨率图像增强中的应用

郑杰¹,包盛¹,杨萤²

¹ 百视通新媒体股份有限公司研究院上海 200233
² 上海文化广播影视集团有限公司上海 200041

出版日期:2015-04-15 发布日期:2015-04-15
基金资助:
上海市科学技术委员会“基于4K关键技术的互联网电视产业化应用示范”基金资助项目

Application of Distributed Parallel Computing in Super-Resolution Image Enbancement

Jie Zheng¹,Sheng Bao¹,Ying Yang²

¹ Research Institute of BesTV New Media Co.,Ltd.,Shanghai 200233,China
² Shanghai Media Group Co.,Ltd.,Shanghai 200041,China

Online:2015-04-15 Published:2015-04-15
Supported by:
Internet TV Industrialization Demonstration Based on Key Technology of UltraHD

摘要/Abstract

摘要：

主要介绍了分布式并行计算在超分辨率图像增强领域中的应用，超分辨率图像增强是指在不升级现有采集设备、不增加传输带宽的情况下，对现有1080P的视频内容通过软件方法提高图像分辨率，从而使图像达到4K的画面质量。由于超分辨率图像增强技术需要强大的计算能力支持，研究了分布式并行计算环境下的超分辨率图像增强系统的搭建以及性能对比测试，得出了分布式并行计算技术可以成百倍地提升超分辨率图像增强处理能力的结论，在实际应用中可大幅提升4K 内容的生产能力。

关键词: 超分辨率, 图像增强, 分布式计算, 并行计算

Abstract:

The distributed parallel computing in the super-resolution image enhancement applications was introduced.Super resolution image enhancement refers to improving the image resolution of 1080P video to 4K by software without upgrading existing acquisition device and increasing the transmission bandwidth.Due to the fact that super resolution image enhancement technology needs enormous computing power,super resolution image enhancement system and performance comparison testing by distributed parallel computing was studied.The conclusion shows that the super-image enhancement processing ability can be enhanced hundreds of times with distributed parallel computing technology,so that the production capacity of 4K video can be improved in rea1-world application.

Key words: super resolution, image enhancement, distributed computing, parallel computing

郑杰,包盛,杨萤. 分布式并行计算在超分辨率图像增强中的应用[J]. 电信科学, 2015, 31(4): 37-42.

Jie Zheng,Sheng Bao,Ying Yang. Application of Distributed Parallel Computing in Super-Resolution Image Enbancement[J]. Telecommunications Science, 2015, 31(4): 37-42.

图/表 6

图1

图2

图3

图4

表1

图5

参考文献 7

1	高传善．分布式系统设计．北京：机械工业出版社， 2001 Gao C S . The Design of Distributed Systems. Beijing: Machinery Industry Press, 2001
2	Dollimore J , Coulouris G . Distributed Systems:Concepts and Design, Fifth Edition. Beijing:Machinery Industry Press, 2012
3	李文军，万海．分布式计算．北京：机械工业出版社， 2012 Li W J Wan H . Distributed computing. Beijing: Machinery Industry Press, 2012
4	Pacheco P S ．并行程序设计导论．北京：机械工业出版社， 2013 Pacheco P S . An Introduction to Parallel Programming. Beijing: Machinery Industry Press, 2013
5	夏卫民．并行操作系统原理与技术．北京：国防工业出版社， 2002 Xia W M . The Principle and Technique of Parallel Operating System. Beijing: National Defense Industry Press, 2002
6	杨欣．图像超分辨率技术原理及应用．北京：国防工业出版社， 2013 Yang X . Image Super Resolution Technology Principle and Application. Beijing: National Defense Industry Press, 2013
7	Hughes C , Hughes T . Parallel and Distributed Programming Using C++. Beijing: Chinese Power Press, 2004

不同情况	不使用分布式并行计算	2台主机参与计算	4台主机参与计算
效率	1:240	1:5.7	1:2.5

[1]	谢萍,刘孝颂. 基于区块链的SDN物联网部署安全[J]. 电信科学, 2020, 36(12): 139-146.
[2]	王源,江昊,吴明,姚冬桂,张毅,羿舒文,汪海,吴静. 基于用户移动网络接入位置的高效分布式相似矩阵计算方法[J]. 电信科学, 2018, 34(5): 26-38.
[3]	廖建新. 大数据技术的应用现状与展望[J]. 电信科学, 2015, 31(7): 1-12.
[4]	任建新,陈华辉. 一种自适应子空间相似性搜索方法[J]. 电信科学, 2015, 31(7): 63-74.
[5]	刘勇,雒江涛,邓生雄,王小平. 基于Hadoop的网络分流和流特征计算[J]. 电信科学, 2014, 30(12): 76-81.
[6]	刘洁,王哲. 基于大数据的电信运营商业务精确运营平台的构建[J]. 电信科学, 2013, 29(3): 22-26.
[7]	兰巨龙,程东年,王雨,张风雨. 网络柔性重构的智能机理浅析[J]. 电信科学, 2012, 28(8): 105-112.
[8]	闻剑峰,石屹嵘. 以分布式计算实现电信数据分析业务加速的研究[J]. 电信科学, 2012, 28(2): 22-26.
[9]	钱江波,王志杰,陈华辉,王海斌. 不确定数据流自适应并行连接算法及应用[J]. 电信科学, 2012, 28(2): 86-94.
[10]	郑文武,李先绪,黄执勤. 云计算中的并行计算技术分析[J]. 电信科学, 2011, 27(12): 31-38.
[11]	严华云,关佶红. Bloom Filter研究进展[J]. 电信科学, 2010, 26(2): 31-36.

分布式并行计算在超分辨率图像增强中的应用

Application of Distributed Parallel Computing in Super-Resolution Image Enbancement

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 7

相关文章 11

Metrics

推荐阅读 0