A Parallel Watermarking application on a G

Edgar C. García Cano, Rabil Bassem S., Robert Sabourin

Resumen


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.


Palabras clave


CUDA, GPU, watermarking, authenticate the information, copyright, invisible watermark.

Texto completo:

PDF

Referencias


AlpVision. (2012). Digital watermarking. Retrieved from http://www.alpvision.com/watermarking.html

Brunton, A., & Zhao , J. (2006). Real-time video watermarking on programmable graphics hardware. Information Engineering and Computer Sci-ence (ICIECS), 1312 - 1315 .

Farber, R. (2011). CUDA Application Design and Development (1st ed.). USA: Morgan Kaufmann.

García-Cano, E. (2012). A parallel bioinspired watermarking algorithm on a GPU. Posgrado en Ciencias e Ingeniería de la Computación, UNAM.

Mohanty, S., Pati, N., & Kougianos, l. (2007). A Watermarking Co-Processor for New Generation Graphics Processing Units. International Conference on Consumer Electronics, 2007.

National Instruments . (2012). Peak Signal-to-Noise Ratio as an Image Quality Metric. Retrieved from http://www.ni.com/white-paper/13306/en

NVIDIA. (2010). CUDA Toolkit 4.2 CURAND Guide. (N. Corporation, Ed.)

NVIDIA. (2012). NVIDIA CUDA C Programming Guide, version 4.2. (N. Corporation, Ed.)

Obukhov, A., & Kharlamov, A. (2008). Discrete Cosine Transform 8x8 Blocks with CUDA. USA: NVIDIA Corporation.

Ramesh, S., Shanmugam, A., & Gomathy, B. (2011, February). Comparison and Analysis of Self-Reference Image with Meaningful Image for Robust Watermarking Algorithm based on Visual Quality and Fidelity. International Journal of Computer Applications, 15(5).

Sanders, J., & Kandrot, E. (2010). CUDA by example: An Introduction for General Purpose GPU Programming.

Shieh, C.-S., Huang, H.-C., Wang, F.-H., & Pan, J.-S. (2004, March). Genetic watermarking based on transform-domain techniques. Pattern Recognition, 37(3).

Vihari, P., & Mishra, M. (2012). Image Authentication Algorithm on GPU. 2012 International Conference on Communication Systems and Network , 874 - 878 .

Zhao , L., & Yang, J. (2011, March). A High Performance Image Authentication Algorithm on GPU with CUDA. (M. E. Press, Ed.) I. J. Intelligent Systems and Applications, 2, 52-59.


Enlaces refback

  • No hay ningún enlace refback.




Revista indexada e indizada en:
 DOAJ
   

 

Licencia de Creative CommonsIngenio Magno de http://revistas.ustatunja.edu.co/index.php/ingeniomagno esta bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 License.