Метод повышения эффективности обработки видеоинформации с использованием распределенных вычислений тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Ермаков, Александр Вадимович

• Ермаков, Александр Вадимович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Ермаков, Александр Вадимович

Введение.

1. Обзор методов обработки видеоинформации.

1.1 Методы представления видеоинформации.

1.2 Методы обработки видеоинформации.

1.2.1 Локальная обработка видеоинформации.

1.2.2 Распределенная обработка видеоинформации.

1.3 Основные'понятия GRID-вычислений.

1.4 Методы обработки данных с использованием GRID-вычислений.

1.4.1 Планирование обработки для вычислений с большим объемом данных.

1.4.2 Планирование вычислений на основании прогноза времени обработки.

1.4.3 Планирование вычислений на основании вероятности завершения обработки в расчетный отрезок времени.

1.5 Постановка задачи диссертационного исследования.

1.6 Выводы по главе 1.

2.Метод обработки видеоинформации с использованием GRID-вычислений.

2.1. Выбор метода распределения заданий в GRID-среде.

2.2. Постановка задачи обработки видеоинформации.

2.3.Параметрическая модель обработки видеоинформации в GRID-среде.

2.4. Метод обработки видеоинформации с использованием GRID-вычислений.

2.5.Реализация метода обработки видеоинформации в GRID-среде.

2.6. Выводы по главе 2.

3.Практическая реализация метода обработки видеофайлов с помощью GRID-вычислений.

3.1 Описание программно-аппаратного комплекса.

3.2 Постановка эксперимента.

3.3 Анализ результатов обработки видеоинформации с использованием

GRID вычислений.

3.4 Оценка непротиворечивости модели.

3.5 Статистическое исследование разработанной модели.

3.6 Оценка эффективности обработки видеоинформации с использованием GRID вычислений, достигаемой при применении разработанного метода.

3.7 Выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Метод повышения эффективности обработки видеоинформации с использованием распределенных вычислений»

Обработка видеоинформации в настоящее; время- имеет широкое распространение в различных областях человеческой деятельности. Мировой: рынок, аппаратногпрограммногообеспе'гения'дляразличныхзадачповидеообработке в!2009угоду оценивалсяш; 10-1?5 млрд:.долларов; [ЭД Видеообработкашожет быть применена для- получения! новых видеоданных на основе имеющихся« или для проведения; их анализа [2]. Видеообработку используют для решения различных задач, например, сбора статистики событий на базе архивного видеоматериала^ совмещения; нескольких видеопоотоков для анализа характеристик трехмерных объектов, восстановления видеоизображения по известной его части, выделениягобъектов и их;повёденйя;из видеопоследовательности:(таК'называемое матирование), создания; кинофильмов и многих других задач: Подавляющая часть мировой кинопродукции проходит этан цифровой видеообработки, а многие страны; например США, полностью переходят нащифровое; телевещание. Общий доход от обработанных цифровым образом -кинофильмов за ; 2009 год составил 29;9 млрд. долларов [3];

Основные причины успеха, цифровой- обработки видеоинформации; заключаются^ том, что, во-первых, она позволяет использовать видеоизображения для решения широкого круга задач; во-вторых, расширяет возможности по обработке видеоизображений; в-третьих, повышает надежность.»долговремен-ность хранения видеоинформации [4].

Наибольшее распространение цифровая обработкавидеоинформациишолучи-ла в тех предметаых областях, где требуется высококачественныйанализ видеоизображения и внесенных в него, изменений: анализ видеоизображения для выделения заданных объектов, многопроходная обработка при кодировании видеоизображений; совмещение видеоизображений и компьютерно-сгенерированных изображений (Computer Generatedlmages- CGI) и многое другое.

Цифровая видеоинформация;; представлена двоичными; видеофайлами; содержащими один видеоотрезок. Цифровые видеоотрезки представляют собой последовательность видеоизображений в двоичном представлении. Видеоизображения составлены набором статичных кадров, последовательная демонстрация которых приводит к иллюзии движения демонстрируемых объектов [5].

Создание цифровых видеоотрезков, которые демонстрируются конечному пользователю, требует прохождения последовательности операций, включая следующие этапы: 1) съемка видеоизображения; 2) запись в хранилище данных; 3) монтаж видеоотрезков; 4) обработка видеоинформации; 5) кодирование видеоинформации.

На этапе съемки видеоизображения происходит формирование исходной видеопоследовательности. Для выполнения этой функции используются^ различные цифровые видеокамеры [6]. Съемка видеопоследовательности, пригодной для дальнейшей обработки, происходит в одном из форматов, которые сохраняют данные без потери информации, например, DV [7].

На этапе записи исходного видеоматериала в хранилище данных производится передача данных с устройства записи на устройство, с которого будет производиться обработка. Для этого используют различные аппаратные средства, например, такие как fireware [8]. При этом формируется окончательная форма видеопоследовательности.

На этапе монтажа видеоотрезков определяется набор и очередность следования видеоотрезков, сформированных из частей одного или нескольких видеофайлов.

На этапе обработки видеоинформации происходит внесение изменений в данные видеопоследовательности с целью получения изменений в видеоизображении. Такие изменения могут вноситься различными фильтрующими алгоритмами, алгоритмами кодирования, при наложении спецэффектов или при рендеринге CGI. В дальнейшем, под видеообработкой будет пониматься только этот этап.

На этапе финального кодирования видеоизображения происходит кодирование в один из форматов данных, например, MPEG [9], реализующих сжатие данных с потерей информации. Такое сжатие позволяет уменьшить объем видеопоследовательности и повысить тем самым удобство хранения этого материала, но делает его непригодным для качественной обработки.

Описанный процесс создания видеопоследовательности не сводится к строгой, очередности вышеперечисленных этапов. В ходе работы приходится-неоднократно, возвращаться на более ранние этапы и пересматривать принятые там решения. Такая необходимость связана с тем, что окончательный набор видеоотрезков и задач по их обработке определяется не сразу, а постепенно.

Создание видеопоследовательностей до сих пор является весьма длительным, трудоемким и дорогостоящим процессом. Для* создания видеопоследовательности крупной кинокартины, может потребоваться от одного года до четырех лет, а стоимость может составить до 300 млн. долларов [10].

Наиболее узким местом в процессе формирования видеофайлов является этап обработки видеоинформации, который рассматривался выше. Он требует большого объема вычислительных ресурсов и времени на обработку. Затрачиваемое время зависит от сложности алгоритмов обработки. Ресурсы локальных вычислительных узлов позволяют решить за время, соответствующее требованиям пользователя, только простые задачи, имеющие простые алгоритмы.

Для ускорения процесса обработки используют параллельные или распределенные алгоритмы обработки видеоотрезков [11,12]. Так, использование распределенных вычислений для обработки видеоинформации в фильме "Avatar" (2009 г.) потребовало круглосуточного использования вычислительного центра Weta digital, состоящего из 100 кластерных узлов по 40000 процессорных ядер каждый и имеющего 104 ТБ оперативной памяти [13]. В работе [14] отмечено, что до создания этого вычислительного центра, осуществившего обработку видеоинформации, съемка такого фильма была невозможна.

Таким образом; время, затрачиваемое на обработку видеоинформации, зависит от следующих факторов:

• степени развития алгоритмов обработки и распределения видеоинформации;

• числа доступных вычислительных узлов и степени развития методов управления эффективным распределением обработки по вычислительным узлам;

• качества каналов связи и степени развития методов управления данными.

Важность рассмотренных факторов подтверждается производителями программного обеспечения, реализующими эти функции в»своих продуктах, таких как Adobe Premier[15] и Virtual Dub [16]. Дальнейшие разработки в этой области призваны повысить эффективность обработки путем использования новых подходов в организации вычислительных архитектур. Разработанное компанией NetApps [17] программное обеспечение для управления планами обработки в высокопроизводительных кластерах позволило компании WetaDigital на 95 % сократить расходы на управление данными и на 40 % повысить соотношение между производительностью и затратами. Полученные результаты достигнуты- использованием специфики кластерных архитектур при формировании последовательности исполнения большого числа различных обработок [18]. Однако использование такой системы ограничено кластерной архитектурой, и для вычислительных сетей необходима разработка других методов повышения эффективности.

Для видеофайлов небольшого объема возможна обработка на локальном вычислительном узле. Некоторые наиболее общие функции могут быть реализованы на аппаратном уровне [19]. Однако для файлов большого размера или файлов со сложными алгоритмами обработки такие решения не позволяют добиться существенного сокращения времени обработки. Установлено, что основным показателем для обработки является соотношение между временем передачи видеофайла между вычислительными узлами и временем обработки на локальном узле. Причем время обработки должно быть не менее чем вдвое больше времени передачи этого видеофайла [20].

В соответствии с приведенными выше доводами, разработка принципов, методов и инструментальных средств распределенной обработки видеоинформации является своевременной и актуальной задачей.

Используемые сегодня программные средства и методы распределенной обработки видеоинформации позволяют эффективно использовать не более 10-15 вычислительных узлов [21]. В значительной степени, это связано с методами распределения обработки, где предполагается, что определить параметры эффективности задачи для конкретной вычислительной сети может только пользователь.

Альтернативным подходом является использование предустановленных параметров, которые также не позволяют достичь требуемой эффективности на всем множестве существующих сетевых архитектур.

Следующим классом архитектуры, который используют в случае необходимости увеличения производительности, являются кластеры. Стоимость относительно простых таких архитектур варьируется от 100 тысяч до 1 млн. рублей для суперкомпьютеров [22]. При этом необходима разработка дополнительного программного обеспечения для конкретной архитектуры.

Промежуточным в плане производительности- решением может выступать использование групп больших вычислительных сетей. Важной-задачей здесь является- использование адекватных моделей распределения обработки видеоинформации в вычислительной* сети. Использование в них существующих- инструментальных средств и методов распределенной обработки видеоинформации не дает требуемого сокращения времени обработки.

Одним из актуальных направлений эффективного развития параллельных и распределенных вычислений, которые могут быть использованы для обработки видеоинформации, является применение ОЯТО-технологий. Такой подход позволяет решить.проблемы, связанные с реализацией безопасной, надежной и эффективной обработки данных, использующей не только ресурсы, доступные в локальной вычислительной сети, но и ресурсы, предоставляемые пользователями сети Интернет для совместных вычислений. Этот метод может служить заменой методу обработки на базе локальных вычислительных сетей. Однако для задачи обработки видеоинформации с использованием СТИО-вычислений отсутствуют модели и методы, которые могут определить эффективность обработки видеоинформации.

Диссертационная работа посвящена разработке метода повышения эффективности обработки видеоинформации за счет использования ОЯГО-вычислений.

Целью исследования является повышение эффективности обработки видеоинформации при помощи вЯГО-вычислений.

Задачами исследования; являются: 1) определение вычислительной архитектуры, необходимой' для осуществления! распределенной обработки, для- больших вычислительных сетей; 2) разработка метода определения-производительности вычислительных узлов ОЯГО-среды; 3) создание модели для оценки времени обработки видеофайла с использованием. ОШБ-вычислений;.4) разработка метода повышения эффективности обработки; видеоинформации в вычислительных сетях; 5)практическая(программная);реализация'предложенного метода; 6) определение эксплуатационных характеристик разработанного метода:

Методы исследования. В работе использованы-методы, обработки; видеоинформации и распределения ч заданий в СШБ-среде, статистического анализа, имитационное моделирование, численные методы оптимизации;

Достоверность и обоснованность полученных результатов обеспечивается корректной физической и математической постановкой задач,» применением классических математических методов, в т.ч: статистики, использованием; апробированных моделей обработки, информации в,ОШВ-среде. Результаты исследования не противоречат данным в известных работах других авторов; На защиту выносятся:

1. Метод определения производительности и формирования групп вычислительных узлов, организующий процесс оценки времени обработки видеофайла,, позволяющий осуществить оценку производительности вычислительных узлов, которая независима от колебаний; обусловленных случайными процессами.

2. Математическая модель для оценки, времени обработки видеофайла в ОЯГО-среде, разработанная на основе экспериментально полученных зависимостей, адекватность которой.подтверждена методами математической статистики.

3. Метод повышения эффективности обработки видеоинформации; определяющий объем заданий, на которые разбивается видеоотрезок и количество используемых вычислительных узлов, а также их состав, что позволяет сократить время обработки видеоинформации.

Научная новизна работы состоит в следующем:

1. Экспериментально выявлены закономерности процессов обработки видеоинформации в вНГО-среде при различных значениях параметров распределения обработки, которые-позволили обосновать и проверить построенную математическую модель, а также поставить задачу оптимизации.

2. Разработан метод-определения групп производительности для вычислительных узлов, отличающийся механизмом относительной- оценки производительности, что позволило усовершенствовать управление порядком распределения заданий в ОМП-среде и повысить эффективность обработки видеоинформации.

3. Предложена математическая модель обработки видеоинформации в GR.ro-среде, включающая две управляемые переменные, которая позволяет оценить время обработки видеоинформации по известным значениям параметров распределения обработки.

4. Сформулирована и поставлена задача оптимизации обработки видеоинформации в вЯГО-среде, позволившая выявить основные зависимости между параметрами разработанной математической модели.

5. Создан метод повышения эффективности обработки видеоинформации в ОЯТО-среде, позволяющий целенаправленным воздействием на значения управляемых переменных разработанной математической модели, отвечающих за число используемых вычислительных узлов и их состав, а также число задач в плане обработки, добиться снижения времени обработки.

6. Построен модифицированный метод обработки видеоинформации, отличающийся использованием ОЯТО-вычислений и сочетанием методов обработки информации в вИГО-среде с разработанным методом, повышающим эффективность обработки видеоинформации.

Практическая ценность диссертационной работы заключается в следующем:

1. Предложенный метод позволяет сократить время обработки видеоинформации, по сравнению с другими применяемыми методами.

2. Применение разработанного метода позволяет повысить эффективность использования вычислительных узлов ОШО-среды, что обусловлено исключением из обработки узлов, не сокращающих время обработки видеоинформации. •

3. Разработанный и внедренный программный продукт, основанный на предложенных моделях и методах, позволяет осуществлять кодирование и декодирование видеоотрезков в формате МРЕО-2 и их обработку различными алгоритмами.

Реализация и внедрение результатов работы. Разработанные модели и методы реализованы в комплексе программ, внедренном на Нижневолжской студии кинохроники и в Саратовском Государственном Техническом Университете.

Апробация работы. Результаты работы докладывались на Международных конференциях «Математические методы в технике и технологиях XXI» (Саратов, 2008), «Математические методы в технике и технологиях XXII» (Иваново, 2009) и «Математические методы в технике и технологиях XXIII» (Саратов, 2010); на Всероссийской конференции «Практические вопросы информационного обеспечения инновационной деятельности» (Саратов, 2008); на Всероссийской научно-практической конференции «Инновации и актуальные проблемы техники и технологий» (Саратов, 2009); на XVII Всероссийской научно-практической конференции «Телематика -2010» (Санкт-Петербург, 2010); на научных семинарах кафедры «Прикладные информационные технологии» Саратовского государственного технического университета в 2008 - 2011 годах.

Публикации. Основные положения диссертации отражены в 10 публикациях, в т.ч. в 3 журналах, рекомендованных ВАК. Без соавторов опубликовано 2 работы.

Личный вклад автора. Разработан метод определения производительности вычислительных узлов, математическая модель оценки времени обработки видеоинформации и метод повышения эффективности обработки видеоинформации.

Структура и объем работы. Диссертационная работа изложена на 144 страницах и состоит из введения, трех глав, и заключения; список использованной литературы включает 104 наименования; диссертационная работа содержит 3 приложения, 28 таблиц, 32 рисунка.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Ермаков, Александр Вадимович

3.7 Выводы по главе 3

Целью предложенного в работе метода является повышение эффективности обработки видеоинформации с использованием ОЮО-вычислений. Под эффективностью здесь подразумевается достижение наименьшего времени обработки ресурсов при использовании только такого набора вычислительных ресурсов, который повышает эффективность.

Проведенные в работе эксперименты позволяют сформировать два основных вывода. Во-первых, модель, предложенная в формуле (55), позволяет максимально полно и адекватно описать задачу обработки видеоинформации с использованием СЯГО-вычислений.

Во-вторых, предложенный в работе метод, основанный на модели (55), позволяет повысить эффективность обработки видеоинформации с использованием ОЯГО-вычислений. Использование этого метода в проведенных экспериментах позволило получить максимальное снижение времени обработки до 50 %. При этом, исследования показали, что для данного метода существуют границы эффективности, определяемые конкретным соотношением значений параметров вычислительного объема задачи к объему передачи данных.

Заключение

В диссертационной работе решена задача повышения эффективности обработки видеоинформации с использованием GRID-вычислений. При этом получены следующие результаты:

1. Получены экспериментальные зависимости времени обработки видеофайлов от различных значений параметров GRID-среды и плана обработки. Они позволили выявить степень влияния различных параметров на время обработки и, как следствие, сформулировать основную проблему, которая должна быть решена для достижения цели работы.

2. Разработана математическая модель оценки времени обработки видеоинформации с использованием GRID-вычислений, которая позволяет моделировать обработку заданий, относящихся к классу задач с большим объемом обрабатываемой информации, где объем передаваемых и получаемых с вычислительного узла данных совпадает. Впервые проведен анализ влияния значений случайных величин на процесс обработки плана в GRID-среде. Для рассматриваемой модели доказана ее адекватность экспериментальным данным.

3. Предложен метод оценки производительности вычислительных узлов в GRID-среде. Его использование позволяет получить независимую оценку времени обработки одинаковых заданий разными узлами. Принцип объединения узлов в группы в зависимости от получаемого значения относительной производительности позволяет снизить влияние случайных колебаний на оценку производительности вычислительных узлов.

4. Создан метод повышения эффективности обработки видеоинформации с использованием GRID-вычислений, который базируется на предложенной в работе модели оценки времени обработки видеоинформации и позволяет повысить эффективность её обработки, основываясь на особенностях, которые отличают обработку видеофайлов от остальных задач с большим объемом обрабатываемых данных. Метод определяет значения управляемых

133 переменных разработанной модели, для которых время обработки сокращается по сравнению с традиционно используемыми подходами. При этом число используемых вычислительных узлов не увеличивается. Метод может использоваться совместно с различными планировщиками ОЛГО-среды. 5. Для всех предложенных в работе методов разработаны алгоритмы, реализованные затем в составе комплекса программ обработки видеоинформации в ОЯГО-среде. Они позволили проверить работоспособность и достигаемое повышение эффективности предложенным методом. Применение разработанного комплекса программ позволило добиться снижения времени обработки для задачи совмещения нескольких видеоизображений.

Практическая ценность результатов, полученных в диссертационном исследовании, подтверждена актами внедрения и справкой об использовании результатов.

Список литературы диссертационного исследования кандидат технических наук Ермаков, Александр Вадимович, 2011 год

1. Бурсак, А. Пионер модернизации Электронный ресурс. / А. Бурсак, А.

2. Дементьев, В. Петлевой. Режим доступа:http://www.rbcdaily.ru/2010/02/25/media/460754

3. Burger, Wilhelm. Digital Image Processing: An Algorithmic Approach Using Java* Текст. / Wilhelm Burger, Mark J. Burge. Springer, 2007. - ISBN 1846283795.

4. Бондаренко, Д. Кинематограф не заметил кризиса Электронный ресурс. / Д. Бондаренко Режим доступа: http://eizvestia.com/world/full/4193269

5. Коупланд, Ли. Цифровое видео Электронный ресурс. / Ли Коупланд. -Режим доступа: http://www.osp.ru/cw/2000/21/5194/

6. Fisher, R. Dictionary of Computer Vision and Image Processing Текст. / R. Fisher, К Dawson-Howe, A. Fitzgibbon, C. Robertson, E. Trucco. John Wiley, 2005. ISBN 0-470-01526-8.

7. Zettl, H. Television Production Handbook Текст./ H. Zettl. Thomson Wadsworth, 2006. - ISBN 0-534-64727-8

8. ISO/IEC 61834. Стандарт DV Текст. — Сентябрь 1999.

9. Anderson, Don. FireWire System Architecture Текст. / Don. Anderson. -MindShare, Inc. 1999. - ISBN 0-201-48535-4.

10. Watkinson, John. The MPEG Handbook Текст./ John. Watkinson. 2-е изд., перераб. и доп. - Focal Press, 2004. - 470 е.- ISBN-10: 024080578X - ISBN-13: 978-0240805788

11. Epstein, Edward Jay. The Hollywood Economist: The Hidden Financial Reality Behind the Movies Текст./ Edward Jay Epstein. Melville House - 2010. - 240 c. - ISBN-10: 1933633840 - ISBN-13: 978-1933633848

12. Shahriar, M. A Data-Parallel Approach for Real-time MPEG-2 Video Encoding Текст./ M. Shahriar, Akramullah, Ahmad Ishfaq, L. Liou Ming. Springer

13. Yung, H. C. Spatial and Temporal Data Parallelization of the H.261 Video Coding Algorithm Текст. / H. C. Yung // IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY. 2001- том 11. - № 1.

14. Блог компании HP. Немного о том, как создавался «Аватар» Электронный ресурс. / Блог компании HP Режим доступа: http ://habrahabr.ru/company/hp/b log/805 81 /#habracut

15. Hoffman; J. Cameron's Twenty-Year Journey to Pandora Электронный ресурс.'/ ] J.* Hoffman. Режим доступа: http://www.ugo.com/movies/camerons-twenty-year-journey-to-pandora

16. Rosenberg, Jacob. Adobe Premiere Pro 2.0 Studio Techniques Текст./ Jacob Rosenberg. Adobe Press. - 2006. - 624 c.- ISBN-10: 0-321-38547-0

17. Beuchler, John. Learning VirtualDub: The complete guide to capturing, processing and encoding digital video/ Текст. / John Beuchler. Packt Publishing - 2005. - 212 c. - ISBN-10: 1904811353 - ISBN-13: 978-1904811350

18. News@NetApp. NetApp Announces Results for Fourth Quarter and Fiscal Year 2010 Электронный ресурс. / News@NetApp. Режим доступа: http://www.netapp.com/us/company/news/news-rel-20100526-results.html

19. Woods, John W Multidimensional Signal, Image, and Video Processing and Coding Текст./ John W. Woods. Academic Press, 2006. - 512 c. -ISBN-10: 0120885166 - ISBN-13: 978-0120885169

20. O.H. Долинина, A.B. Оуграбко. Использование GRID-технологий для обработки видеоинформации \\ Сб.статей по материалам всероссийской научно-практической конференции "Инновации и актуальные проблемы техники и технологий" , Саратов, СГТУ, 2009.

21. Гуле, А. Оцифровываем видео при помощи ТВ-тюнера Электронный ресурс. / А. Гуле. Режим доступа: http://ixbt.com/divideo/capture-with-tv-tuner.shtml#VDubAdvancedCluster.

22. Список серверных решений компании HP Электронный ресурс. / Режимдоступа: http://welcome.hp.com/country/ru/ru/smb/servers.html136

23. ISO/IEC 11172. MPEG-1: Coding of moving pictures and associated audio for digital storage media at up to about 1.5 Mbit/s. Текст. —93.

24. ITU-T Recommendation H.261. Video Codec for Audiovisual Services at px64 kbit/s. Текст. —, Версия 1: Ноябрь 1990; Версия 2: Март 1993

25. IS0/IEC 13818-2. Generic coding of moving pictures and associated audio information Part 2: Video. Текст. — ITU-T Recommendation H.262- Ноябрь 1994.

26. ITUT Recommendation H.263. Video coding for low bit rate communication Текст. —; версия 1, Ноябрь1995; версия 2, Январь 1998; версия 3, Ноябрь 2000.

27. JTC1/SC29/WG11 N3908. Coding of Moving Pictures and? Audio: MPEG-4 Video Verification Model version 18.0 Текст. — ISO/IEC ITC1/SC29/WG11-Январь 2001.

28. ITU-T Rec. H.264 ; ISO/IEC 14496-10 AVC. Draft ITU-T Recommendation and Final Draft International Standard of Joint Video Specification Текст. — Joint Video Team (JVT) of ISO/IEC MPEG и ITU-T VCEG, JVT-G050 Март 2003.

29. Sony. DVCAM format overview Текст. — Sony Corporation, Japan 2000

30. SMPTE 314M. Data Structure for DV-Based Audio, Data and Compressed Video — 25 and 50 Mb/s Текст. —1999

31. SMPTE 316M. Television Digital Recording — 12.65-mm Type D-9 Component Format — Video Compression — 525/60 and 625/50 Текст. —1999

32. ISO/IEC 14 496-2. Coding of Moving Pictures and Associated Audio Текст. — MPEG-4 FDIS ISO/IEC JTC1/SC29/WG11- Март 1999

33. ATSC спецификация. ATSC Digital Television Standard. Advanced Television Standard Committee - 1995.

34. Torres, L. Video Coding: The Second Generation Approach Текст. / M. L. Torres, M. Kunt. Norwell, MA: Kluwer, 1996.

35. RECOMMENDATION ITU-R ВТ.709-5. Текст. -1990-2002

36. ISO/IEC International Standard 13 818-2. Information Technology—Generic Coding of Moving Pictures and Associated Audio Information—Part 2: Video Текст. —1994.

37. Cho, N. I. Fast Algorithm and Implementation of 2-D Discrete Cosine Transform Текст. / N. I. Cho, S. U. Lee. // IEEE Transactions on Circuits and Systems. 1991. -том 38- № 3. - C. 297-305.

38. Bovik, Alan С. The Essential Guide to Video Processing Текст. / Alan C. Bovik. -Academic Press, 2009. 778 c. - ISBN-10:0123744563 - ISBN-13:978-0123744562

39. Bryant, Steve. Basic Camcorder Guide Текст./ Steve Bryant. Amherst Media,U.S., 1991. - 96 c.- ISBN-10: 0936262125 - ISBN-13: 978-0936262123

40. Browne, Steven E. High Definition'Postproduction: Editing and Delivering HD Video Текст./ Steven E. Browne. Focal Press, 2006. - 248 c. - ISBN-10: 0240808398 -ISBN-13: 978-0240808390

41. All-in one editorial finishing Электронный ресурс. / Autodesk Режим доступа: http://images.autodesk.com/adsk/files/smoke2011brochureus.pdf

42. Francis, Т. Mission: An integrated Asset Managementsolution for Quantel sQ servers Электронный ресурс. / Т. Francis. Режим доступа: http://www.quantel.com/repository/files/whitepapersmissionapril2010.pdf

43. Work Faster the Way You Want, with What You Want Электронный ресурс. / AVID Режим доступа: http://www.avid.com/us/pressroom/ACE-honors-Media-Composer-as-preferred-choice-for-editors.aspx

44. An Overview of Parallel Processing Approaches to Image and Video Compression Текст.: Technical report Ke Shen, Cook Gregory W., Jamieson Leah H., Delp Edward J.— Purdue University West Lafayette, Indiana 47907-1285, 1994

45. Apple Qmaster Help Электронный ресурс. / Apple Режим доступа: http://documentation.apple.com/en/appleqmaster/

46. Сайт CineSoft. What is Duma ? Электронный ресурс. / Сайт CineSoft. -Режим доступа: http://www.cinesoft.ru/duma

47. Foster, I. The Grid: Blueprint for a Future Computing Infrastructure. Текст. / I. Foster, C. Kesselman. Morgan Kaufmann: San Francisco, CA, 1998.

48. Foster, I. Enterprise Distributed Computing Текст. / I. Foster, S. Tuecke // ACM Queue. 2005. -том 3 - № 6.

49. What Is the GRID? A Three Point Checklist Текст.: Techical notes : I. Foster — National Laboratory and University of Chicago, 2002, Argonne National Laboratory.

50. Rittinghouse, John. Cloud Computing: Implementation, Management, and Security Текст./ John Rittinghouse, James Ransome. Springer-2009.

51. O.H. Долинина, A.B. Оуграбко. Построение масштабируемых расписаний для обработки видеоинформации в ОЫГО-среде.\\Сб.статей по материалам конференции "Математические методы в технике и технологиях-22", Иваново, 2009.

52. Cirne, W. Running Bag-of-Tasks Applications on Computational Grids: The MyGrid Approach Текст. / W. Cirne и др // ICCP'2003, 2003.

53. Xgrid and Cross Platform Grid Computing Текст. : Project Report: Bowness

54. Stuart. —University College of the Fraser Valley, Апрель, 2005139

55. Litzkow, M. Condor—a hunter of idle workstations Текст. / M. Litzkow, M. Livny, M.Mutka // In: Proceedings of the 8th international conference of distributed computing systems, 1998.

56. Zhou, S. Utopia: a load sharing facility for large, heterogeneous distributed1 computer systems Текст. /S. Zhou, X. Zheng, J. Wang, P. Delisle // Softweare1 Practice Expirience. 1993'. - № 23:1305-1336

57. Henderson, R.L. Job scheduling under the portable batch system Текст. / R.L. Henderson // In: IPPS '95: proceedings of the workshop on job scheduling strategies for parallel processing. Springer, London, 1995- pp 279-294

58. Abramson, D. A computational economy for grid computing and its implementationin the nimrod-g resource broker Текст. / D. Abramson, R. Buyya, J. Giddy // Future Generation Computer Systems. 2002. -№ 18:1061-1074

59. Mateescu, G. Quality of service on the grid via metascheduling with resource co-scheduling and co-reservation Текст. / G. Mateescu //Int Journal of High Performance Computer Applications. 2003. - №17:209-218

60. Using performance prediction to allocate grid resources Текст. : Technical report : Jang S.H., Wu X., Taylor V. —2004, GriPhyN

61. Elizeu, S. N. Exploiting replication and data reuse to efficiently schedule dataintensive applications on grids Текст. / S. N. Elizeu, W. Cirne, F. Brasileiro, A. Lima // Springer том 3277

62. Maheswaran, M. Dynamic mapping of a class of independent tasks onto heterogeneous computing systems Текст. / M. Maheswaran, S. Ali, H. J. Siegel, D. Hensgen, R. F. Freund // Journal of Parallel and Distribute Computing 1999. - № 59. - С. 107-13.

63. Derbal, Y. A probabilistic scheduling heuristic for computational grids. Текст. / Y. Derbal // Multiagent Grid Systems. 2006. - № 2:45-59

64. Yang, L. Homeostatic and tendency-based cpu load predictions. Текст. / L. Yang, I. Foster, J.M. Schopf// IPDPS '03: proceedings of the 17th international symposium on parallel and distributed processing. IEEE Computer Society, Washington 2003.

65. Gibbons, R. A historical application profiler for use by parallel schedulers. Текст. / R. Gibbons // IPPS '97: proceedings of the job scheduling strategies for parallel processing. London, 1997 - pp 58-77

66. Downey, A. B. Predicting queue times on space-sharing parallel computers. Текст. / A. B. Downey // In: IPPS '97: proceedings of the 11th international symposium on parallel processing.- IEEE Computer Society Washington, 1997 -pp 209-218

67. Iverson, M.A. Statistical prediction of task execution times through analytic benchmarking for scheduling in a heterogeneous environment Текст. / M. A. Iverson, F. Ozguner, L. Potter // IEEE Transanction Compututing. 1999. - № 48. - C. 1374-1379

68. Imran, Rao. A probabilistic and adaptive scheduling algorithm using systemi generated predictions for inter-grid resource sharing Текст. / Rao Imran, Huh Euij

69. Nam // Journal of Supercomputing 2008. - № 45. - C. 185-204'

70. Andrade, N. Our- Grid: An Approach to Easily Assemble Grids with Equitable1. J!

71. Resource Sharing Текст. / N. Andrade, W. Cirne, F. Brasileiro, P. Roisenberg //9th JSSPP, 2003.

72. Paranhos, D. Trading Cycles for Information: Using Replication to Schedule Bag-of-Tasks Applications on Computational Grids- Текст. / D. Paranhos, W.

73. Cirne, F. Brasileiro // Europar'2003, 2003.

74. Santos-Neto, E. Exploiting Replication and Data Reuse to Efficiently Schedule Dataintensive Applications on Grids Текст. / E. Santos-Neto, W. Cirne, F. Brasileiro, A. Lima // 10th JSSPP, 2004.

75. Casanova, H. Heuristics for Scheduling Parameter Sweep Applications in Grid

76. Environments Текст. / H. Casanova и др. // Heterogeneous Computing Workshop -2000. -№9. c. 349-363.

77. Cirne, Walfredo. Labs of the World Unite!! Электронный ресурс. / Walfredor

78. Cirne, Francisco Brasileiro, Nazareno Andrade, Robson Santos, Alisson Andrade. -Режим доступа: http://copin.ufcg.edu.br/twikipublic/pub/OG/OurPublications/LabsoftheWorldUnitev 19.pdf

79. Resource Selection Using Execution and Queue Wait Time Predictions Текст. : Technical Report: Warren Smith, Parkson Wong —2002. —NASA Ames Research Center Moffett Field, CA 94035, NAS Technical Report Number: NAS-02-003

80. Atkeson, C. Locally Weighted Learning Текст. / С. Atkeson, A. Moore, S. Schaal // Artificial Intelligence Review. 1997. - № 11. - С. 11-73.

81. A Locally Weighted Learning Tutorial using Vizier 1.0 Текст. Technical Report : Schneider J., Moore A. —2000. Robitics Institute, Carnegie Mellon University, CMU-RI-TR-00-18.

82. Wilson, D. R. Improved Heterogeneous Distance Functions Текст. / D. R. Wilson, T. R. Martinez // Journal of Artificial Intelligence Research. -1997. № 6. - C. 1-34.

83. Goldberg, D. Algorithms in Search, Optimization, and Machine Learning Текст./D. Goldberg.-Addison-Wesley, 1989.

84. Messing, F. Predicting scheduling success Текст. / F. Messing // SpaceOps symposium, Germany, 1996:

85. Ямпольский, А. Двухпроходное перекодирование Электронный ресурс. / А'. Ямпольский. Режим доступа: http://wvm.gotview.ru/obzor/printfaq/faq004p.html

86. Polychronopoulos, С. D. Guided self-scheduling: A practical scheduling scheme for parallel supercomputers Текст. / Polychronopoulos, C. D., Kuck, D. J. // IEEE Transactions on Computers. 2007. -том 36- № 12. - С. 1425-1439.

87. MONARC Project Phase2 Report Текст. Technical Report :* Aderholz, M. [и др.] —2000, CERN.

88. Lichun, Ji. Coordination and P2P Computing. Текст. : Master Thesis, Department of Computer Science, University of Saskatchewan Saskatoon, Canada, 2004.

89. Dutcher, Bill. The NAT Handbook: Implementing and Managing Network Address Translation Текст. / Bill Dutcher. John, Wiley & Sons, 2001. - 322 c. -ISBN-10: 0471390895 - ISBN-13: 978-0471390893

90. Anderson, D. P. SETI@home: an experiment in public-resource computing Текст. / D. P. Anderson, J. Cobb, E. Korpela, M. Lebofsky, D. Werthimer. // . Communications of the ACM. 2002. - том 45-№ 11. - C. 56-61.

91. Foster, I. The Grid2: Blueprint for a New Computing Infrastructure, Morgan Kaufmann Текст. /1. Foster and C. Kesselman. Morgan Kaufmann, 2003.

92. Долинина, О. H. Повышение эффективности обработки видеоинформации с использованием GRID-вычислений Текст. / О.Н. Долинина, A.B. Оуграбко- Вестник Саратовского государственного технического университета. -2009.-№42.-с 101-106.

93. Stärk, Robert F. Java and the Java Virtual Machine: Definition, Verification, Validation Текст. / Robert F. Stärk, Joachim Schmid . Springer, 2001. - 392 c.- ISBN-10: 3540420886 ISBN-13: 978-3540420880

94. Zukowski , John. Java 6 Platform Revealed Текст. / John Zukowski . 1-е изд. - Apress, 2006. - 240 c. - ISBN-10: 1590596609 - ISBN-13: 978-1590596609

95. О.Н. Долинина, A.B. Ермаков, Д.М. Верескун. Метод обработки видеоинформации с использованием GRID-pecypcoB\\ XXIII Международная научная конференция Математические Методы в Технике и Технологиях -ММТТ- 23 22-24 июня 2010 года, СГТУ, Саратов, Россия.

96. Д. Худсон. Статистика для физиков Текст.//Москва 1970.

97. Правообладатель(ли): Государственное образовательное учреждение высшего профессионального образования «Саратовский государственный технический университет» (ГОУВПО СГТУ) (№)

98. Автор(ы): Ермаков Александр Вадимович, Верескун Дмитрий Михайлович (К11)1. Заявка № 2010617860

99. Дата поступления 13 декабря 2010 Г.

100. Зарегистрировано в Реестре программ для ЭВМ7 февраля 2011 г.

101. Руководитель Федеральной службы по интеллектуальной собственности, патентам и товарным знакам1. Б.П. Симонов1. Ж Ж