A Parallel Watermarking application on a G
Debido al gran volumen de información que fluye a través de Internet, las marcas de agua se utilizan ampliamente para proteger la autenticidad e integridad de la información. La inserción y la extracción de marcas de agua se pueden hacer en el dominio espacial o de otros dominios de frecuencia, como...
- Autores:
-
Cano, Edgar C. García
S., Rabil Bassem
Sabourin, Robert
- Tipo de recurso:
- Fecha de publicación:
- 2013
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Universidad Santo Tomás
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/4944
- Palabra clave:
- CUDA
GPU
watermarking
authenticate the information
copyright
invisible watermark.
- Rights
- License
- http://purl.org/coar/access_right/c_abf2
Summary: | Debido al gran volumen de información que fluye a través de Internet, las marcas de agua se utilizan ampliamente para proteger la autenticidad e integridad de la información. La inserción y la extracción de marcas de agua se pueden hacer en el dominio espacial o de otros dominios de frecuencia, como la Transformada Discreta del Coseno (DCT) y la Transformada Discreta Wavelet (DWT).La inserción y la extracción en dominios como DCT tienen un gran costo computacional en comparación con los métodos espaciales. Sin embargo, el proceso de marcas de agua en el dominio de la frecuencia tiene mejores resultados en calidad y robustez debido al uso de coeficientes no correlacionados. En este trabajo, se propone utilizar una unidad de procesamiento gráfico (GPU) para reducir el costo computacional de la inserción y extracción de los bits de la marca de agua en el dominio de DCT. Se propone, para tomar ventaja de los bloques generados después de la DCT, asignar la misma configuración de bloques en la GPU. También se hace uso de los diferentes tipos de memoria, como la constante y compartida, para optimizar el uso de los recursos del GPU. Los experimentos evalúan el desempeño de la marca de agua en la GPU, y muestran que el algoritmo que se ejecuta en la GPU es hasta 6 veces más rápido en comparación con el ejecutado en el CPU, aun tomando en consideración el tiempo que lleva transferir datos desde la memoria RAM a la memoria de la GPU. |
---|