A Parallel Watermarking application on a G

Barra lateral del artículo

PDF
Publicado: sep 6, 2013
Palabras clave:
CUDA, GPU, watermarking, authenticate the information, copyright, invisible watermark.

Contenido principal del artículo

Edgar C. García Cano
Universidad Nacional Autónoma de México
Rabil Bassem S.
Universidad de Quebec – Canada.
Robert Sabourin
Universidad de Quebec – Canada.

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.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Cano, E. C. G., S., R. B., & Sabourin, R. (2013). A Parallel Watermarking application on a G. Ingenio Magno, 3(1). Recuperado a partir de http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/58
Número
Vol. 3 Núm. 1 (2012): Ingenio Magno Vol. 3
Sección
Articulos Ingenio Magno Vol. 3

DECLARACIÓN DE ORIGINALIDAD DE ARTÍCULO PRESENTADO

Por medio del presente documento, certifico(amos) que el artículo que se presenta para posible publicación en la revista institucional INGENIO MAGNO del Centro de Investigaciones de Ingeniería Alberto Magno CIIAM de la Universidad Santo Tomás, seccional Tunja, es de mi (nuestra) entera autoría, siendo su contenido producto de mi (nuestra) directa contribución intelectual y aporte al conocimiento.

Todos los datos y referencias a publicaciones hechas están debidamente identificados con su respectiva nota bibliográfica y en las citas que se destacan como tal. De requerir alguna clase de ajuste o corrección, comunicaré(emos) de tal procedimiento con antelación a los responsables de la revista.

Por lo anteriormente expresado, declaro(amos) que el material presentado en su totalidad se encuentra conforme a la legislación aplicable en materia de propiedad intelectual e industrial de ser el caso, y por lo tanto, me(nos) hago (hacemos) absolutamente responsable(s) de cualquier reclamación relacionada a esta.

En caso que el artículo presentado sea publicado, manifiesto(amos) que cedo(emos) plenamente a la Universidad Santo Tomás, seccional Tunja, los derechos de reproducción del mismo. 

Citas

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

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

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

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

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

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

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

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

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

10. 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).

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

12. 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).

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

14. 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.