| LEADER |
05958nam a22003737a 4500 |
| 001 |
1500881 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 517498
|a السديرى، عبير
|e مؤلف
|
| 245 |
|
|
|a Cuda Implementation of Fractal Image Compression
|
| 246 |
|
|
|a معالجة الصورة الكسورية باستخدام معالجات فائقة السرعة المنشأة على أساس وحدة معالجة الرسوميات GPU
|
| 260 |
|
|
|a مسقط
|c 2015
|
| 300 |
|
|
|a 1 - 54
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة السلطان قابوس
|f كلية العلوم
|g عمان
|o 0133
|
| 520 |
|
|
|a مع التقدم في عصر المعلومات، ازدادت أهمية الصور واستخداماتها في مختلف المجالات بداية من صور التواصل الاجتماعي إلى صور الأقمار الصناعية والصور الطبية ذات الحجم الكبير والدقة العالية. ويحتاج أصحاب المهن المرتبطة بصور الأقمار الصناعية والصور الطبية إلى ذاكرة تخزينية عالية ووقت طويل لتحميلها. ولحل مشكلة الوقت المستخدم في تحميل الصور والذاكرة المستخدمة لحفظها: فإن ضغط الصور يلعب دور مهم في حلها وذلك لأنه يقلل حجم البيانات وبالتالي يوفر مساحة تخزينية أكبر. يعتبر ضغط الصور الكسورية إحدى طرق ضغط الصور وأفضلها لكنه يفقد الصورة بعض بياناتها ويغير قليلا من جودتها بعد الضغط. بالإضافة إلى أنه يحتاج وقت أطول في عملية الضغط؛ ويرجع ذلك إلى المهام الصعبة في العثور على جميع الصور التي بها نمط هندسي متكرر خلال خطوة التقسيم والبحث عن أفضل تشابه كسوري. اقترح الباحثون أساليب مختلفة للتغلب على هذا العائق بما في ذلك خطط التصنيف والتي هي في الغالب تستخدم للتسريع من عملية البحث عن تماثل كسوري. في الآونة الأخيرة، ظهرت وحدات معالجة الرسوميات (GPU) والتي تم استغلالها لتنفيذ كسورية خوارزميات ضغط الصور بسبب القوة العالية الحسابية لهذه الوحدات. بهدف هذا المشروع إلى استغلال الطاقة الحسابية المتوفرة في وحدات معالجة الرسوميات في تقييم أداء تصنيف فيشر (Fisher) الذي يعتبر أشهر تصنيف يستخدم على نطاق واسع لتقليل الوقت المستخدم في عملية البحث عن أفضل تشابه كسوري. وقد استخدمت ال CUDA لتصميم وتطبيق مقترح جديد لتصنيف فيشر. وCUDA هي اختصار لعبارة Compute Unified Device Architecture والتي تعني معمارية للحوسبة المتوازية وضعتها شركة إنفيديا وباستخدام هذه المعمارية فإن وحدات معالجة الرسوميات لها معمارية متوازية "متعددة النوى". ولكل نواة القدرة على إجراء الآلاف من العمليات في وقت واحد. المساهمة الرئيسية في هذه الخوارزمية المقترحة تضمنت ثلاث مراحل؛ ليتم تنفيذ الخوارزمية يشكل متوازي مما يساعد على تسريع عملية البحث عن أفضل تشابه كسوري. وقد استخدمت ثلاث مقاييس رئيسية لمقارنة أداء الخوارزمية المقترحة بالخوارزمية الأساسية لتصنيف فيشر؛ وهي: حساب الوقت المستخدم في عملية البحث عن أفضل تشابه كسوري. والنسبة بين حجم الملف المضغوط وحجم الملف الأصلي وكذلك حساب جودة الصورة جودة الصورة يتم حسابها بعد عملية فك الضغط واستخراج الصورة التي تكون قريبة من الصورة الأصلية في هذا البحث تم استخدام عشر صور بمختلف الأحجام (512×1024.512×2048.1024×2048) لتقييم أداء فيشر لكلا الخوارزميتين. وأظهرت التجارب التي أجريت تسارع يصل إلى 6.4× في بعض الصور باستخدام وحدة معالجة رسومية من إنفيديا (NVIDIA) من نوع GeForce GT 660M. مما يعني أن هذه الخوارزمية المقترحة لتقيم أداء تصنيف فيشر حققت النتائج المرجوة في مجال معالجة الصور الكسورية.
|
| 653 |
|
|
|a الخوارزميات الرياضية
|a معالجة الرسوميات
|a عصر المعلومات
|
| 700 |
|
|
|9 32756
|a Hammoshi, Mayyada Ghanim Dawood
|e Advisor
|
| 700 |
|
|
|a Alzeidi, Nasser M.
|e Advisor
|9 509728
|
| 700 |
|
|
|9 517500
|a Abdesselam, Abdelhamid
|e Advisor
|
| 856 |
|
|
|u 9809-008-007-0133-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9809-008-007-0133-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9809-008-007-0133-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9809-008-007-0133-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9809-008-007-0133-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9809-008-007-0133-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9809-008-007-0133-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9809-008-007-0133-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9809-008-007-0133-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9809-008-007-0133-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9809-008-007-0133-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9809-008-007-0133-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 961154
|d 961154
|
