基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了进一步提高JPEG编码效率,对JPEG压缩算法进行研究,分析得出JPEG核心步骤可以并行化处理.因此,实现平台宜采用以并行计算为优势的GPU,而不是以串行计算为主的CPU.NVIDIA新推出的CUDA(计算统一设备架构)为此实现提供了软硬件环境.CUDA是基于GPU进行通用计算的开发平台,非常适合大规模的并行数据计算.在GPU流处理器架构下用CUDA技术实现编码并行化,并针对流处理器架构特点进行内存读写等方面的优化,提高了JPEG编码的速度.实验结果表明了CUDA技术在并行处理方面的优越性,JPEG编码效率得到了极大提高.
推荐文章
基于CUDA的快速三维医学图像分割
水平集
医学图像分割
CUDA
并行图像处理
基于CUDA的图像边缘检测方法
快速计算
数字图像
边缘检测
基于CUDA的DCT快速变换实现方法
图形处理器
离散余弦交换
并行计算
基于CUDA架构并行设计图像去噪算法
CUDA
图像去噪
K-SVD
图形处理器
并行优化
矩阵拉伸
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CUDA的快速图像压缩
来源期刊 计算机工程与设计 学科 工学
关键词 JPEG 并行处理 计算统一设备架构 流处理器 GPU
年,卷(期) 2010,(14) 所属期刊栏目
研究方向 页码范围 3302-3304,3308
页数 分类号 TP338.6
字数 4344字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈庆奎 上海理工大学光电信息和计算机工程学院 149 769 14.0 22.0
2 郭静 上海理工大学光电信息和计算机工程学院 2 16 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (11)
参考文献  (1)
节点文献
引证文献  (16)
同被引文献  (20)
二级引证文献  (26)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(4)
  • 引证文献(4)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(6)
  • 引证文献(4)
  • 二级引证文献(2)
2014(6)
  • 引证文献(4)
  • 二级引证文献(2)
2015(6)
  • 引证文献(1)
  • 二级引证文献(5)
2017(7)
  • 引证文献(2)
  • 二级引证文献(5)
2018(8)
  • 引证文献(1)
  • 二级引证文献(7)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
JPEG
并行处理
计算统一设备架构
流处理器
GPU
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导