Алгоритм параллельной обработки изображений на мобильных устройствах с многоядерным процессором Текст научной статьи по специальности «Компьютерные и информационные науки»

Программные средства и информационные технологии

References

1. Zhang Z., Klassen E., Srivastava A., Turaga P., Chellappa R. Blurring-Invariant Riemannian Metrics for Comparing Signals and Images // Conference: International Conference on Computer Vision - ICCV, 2011. Pp. 1770-775.

2. Reti Z. Deblurring images blurred by the discrete Gaussian. Applied Mathematics Letters. 1995. Vol. 8, iss. 4, рр. 29-35.

3. Zhao G., Pietikainen M. Dynamic Texture Recognition Using Volume Local Binary Patterns //

Dynamical Vision / R. Vidal, A. Heyden, Y. Ma (eds) LNCS. 2007. Vol. 4358, рр. 165-177.

4. Feiniu Y. Rotation and Scale Invariant Local Binary Pattern Based on High Order Directional Derivatives for Texture Classification. Digital Signal Processing. 2014. No. 26, pp. 142-152.

5. Renaud P., Fazekas S., Mark J. Huiskes. DynTex: A comprehensive database of dynamic textures // Pattern Recognition Letters. 2010. No. 1, pp. 1627-1632.

© n^raeBa A. B., 2015

УДК 004.932

АЛГОРИТМ ПАРАЛЛЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА МОБИЛЬНЫХ УСТРОЙСТВАХ С МНОГОЯДЕРНЫМ ПРОЦЕССОРОМ

А. С. Савельев, А. И. Томилина

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: alxsave@gmail.com

Представлен алгоритм параллельного вычисления и обработки изображений на мобильном устройстве с многоядерным процессором, показаны его особенности на примере задачи распознавания дорожной разметки. Данная тематика также актуальна и для использования в аэрокосмической технике, где мобильность, низкое энергопотребление и компактность являются не менее важными факторами, чем производительность системы.

Ключевые слова: параллельные вычисления, обработка изображений, распознавание образов, дорожная разметка, мобильные вычислительные системы.

ALGORITHM FOR PARALLEL IMAGE PROCESSING ON MOBILE DEVICES WITH MULTI-CORE PROCESSORS

A. S. Savelev, A. I. Tomilina

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: alxsave@gmail.com

This paper presents an algorithm for parallel computation and image processing on mobile devices with a multi-core processor, the example of the recognition problem of road markings is shown. This subject is also relevant to be used in the aerospace engineering where mobility is low power consumption and compact size is a no less important factor than the performance of the system.

Keywords: parallel computing, image processing, pattern recognition, road markings, mobile computing systems.

На данный момент смартфоны или КПК повсеместно встречаются в нашей повседневной жизни. С течением времени данные устройства обзавелись аппаратным обеспечением, сопоставимым по некоторым показателям со стационарными компьютерами. При всем этом, включая в себя множество современных высокотехнологичных компонентов и сохраняя невысокую стоимость, данные устройства находят применение в решении различных задач, в том числе и для использования в аэрокосмической технике, где мобильность, низкое энергопотребление и компактность являются не менее важными факторами, чем производительность системы. В данной статье рас-

сматривается возможность параллельных вычислений [1] для решения задачи анализа изображения.

Одним из примеров задачи анализа изображения может служить система предупреждения о смене полосы [2], используемая в автомобилях для поддержания контроля за дорожной ситуацией. На первом этапе используется видеопоследовательность, полученная с камеры устройства, затем производится выборка кадров из данной видеопоследовательности. Абстрагируясь от нюансов связанных с предварительной обработкой изображения выбранного кадра, мы приходим к следующим условиям: имеется изображение дорожного полотна, на котором белым цветом нанесена

Решетнеескцие чтения. 2015

дорожная разметка (полосы). Первоначальной задачей является выделение разметки на общем фоне. На данном этапе появляется возможность распараллеливания задачи на несколько потоков. Если предположить, что у нас имеется устройство с четырехядерным процессором, то становится очевидным вариант разбиения матрицы изображения на 4 подматрицы [3] (рис. 1).

Рис. 1. Схема разделения матрицы

На данном этапе необходимо произвести выделение разметки на имеющемся изображении. Так как разметка нанесена белым цветом, необходимо выделить пиксели, цветовые составляющие которых больше определенного значения [4]:

g (*, У) =

[255, если r(x,y) > val, g(x,y) > val, b(x, y) > val,

[ 0, иначе.

После первого этапа необходимо проанализировать положение автомобиля относительно полос движения. Для этого рассматривается центральная область изображения, на которой представлена разметка полосы, в которой двигается автомобиль. Принимая во внимание эффект перспективы [5], можно выделить область в центре, которая должна находиться между двух полос движения и не включать в себя элементы разметки. Если же данная область и разметка совпали, то данная ситуация сигнализируется как съезд с полосы движения (рис. 2).

Данный алгоритм был протестирован на входном изображении с разрешением 640*480, результаты времени вычислений представлены в таблице.

Рис. 2. Область «интереса» на бинаризированом изображении

Сравнение времени обработки

Метод Время обработки, мс

Последовательный 1 438

Параллельный 571

Из представленных в таблице данных можно вычислить, что ускорение при использовании параллельной обработки составило около 270 %.

References

1. Catanzaro B. Ubiquitous Parallel Computing form Berkeley, Illinois, and Stanford // IEEE Computer Society. 2010. С. 41-55.

2. Chanawangsa P., Chen C. A New Smartphone Lane Detection System: Realizing TruePotential of Multi-core Mobile Devices, MoVid'12. 2012. С. 19-24.

3. Yang T., Doolan D. Mobile Parallel computing // Proc. of the Fifth International Symposium on Parallel and Distributed Computing. IEEE International. 2006.

4. Bertozzi M., Broggi A. GOLD: A Parallel RealTime Stereo Vision System for Generic Obstacle and Lane Detection // IEEE Transaction on image processing. 1998. Vol. 7, no. 1.

5. Marshall D. Parallel Programming with Microsoft Visual Studio. Microsoft Corporation by: O'Reilly Media, 2011.

© Савельев А. С., Томилина А. И., 2015

УДК 004.6

СПОСОБЫ ХРАНЕНИЯ ДАННЫХ В ПРИЛОЖЕНИЯХ ANDROID OS

А. А. Сидора

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-mail: alex_mcol13@hotmail.com

Android - популярная мобильная платформа, используемая во множестве мобильных устройств, и даже автомобильных мультимедийных системах, в которых неотъемлемой частью является наличие навигационной системы, использующей спутники ГЛОНАСС и GPS. Для улучшения работы навигационных приложений, требуется хранить и использовать информацию о спутниках (их количестве, положении и т. д.). Рассматриваются способы хранения данных в приложениях операционной системы Android и их назначение. Приведены их характеристики и выделены основные случаи их использования в зависимости от типов данных.

Ключевые слова: Android, база данных, способы хранения данных.