CN110324632A - 一种基于OpenMP多核并行机制的数据处理与验证方法 - Google Patents

一种基于OpenMP多核并行机制的数据处理与验证方法 Download PDF

Info

Publication number
CN110324632A
CN110324632A CN201910459072.5A CN201910459072A CN110324632A CN 110324632 A CN110324632 A CN 110324632A CN 201910459072 A CN201910459072 A CN 201910459072A CN 110324632 A CN110324632 A CN 110324632A
Authority
CN
China
Prior art keywords
data
parallelization
decompression
method based
interpretation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910459072.5A
Other languages
English (en)
Inventor
党妮
卞敏杰
毛双兰
汤昊
靳一
张锐
彭亮
毛智航
周月恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Institute of Space Radio Technology
Original Assignee
Xian Institute of Space Radio Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Institute of Space Radio Technology filed Critical Xian Institute of Space Radio Technology
Priority to CN201910459072.5A priority Critical patent/CN110324632A/zh
Publication of CN110324632A publication Critical patent/CN110324632A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/544—Buffers; Shared memory; Pipes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/436—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation using parallelised computational arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

一种基于OpenMP多核并行机制的数据处理与验证方法，首先根据数据的来源前端及连接后端获取并配置数据处理所需配置文件，然后根据外部指令接收前端传输的原始压缩码流数据，并读取配置文件进行数据解析、判读，把不符合的数据进行丢弃或者告警，最后对解析、判读后的数据进行并行化的解压缩处理，得到图像数据，将图像数据并行化送至后端接收软件，完成对图像数据的优化处理或者图像显示，另外采用真实遥感图片，分别测试在4:1模式和无损模式下并行化设计前后的性能，完成方法验证。通过试验可以得到本发明通过多核调度、多核指定、并行处理机制来完成数据处理，大幅度提高了数据处理速度，为整个数据处理过程节约了时间。

Description

一种基于OpenMP多核并行机制的数据处理与验证方法
技术领域
本发明涉及一种基于OpenMP多核并行机制的算法设计，并进行了验证，涉及遥感卫星数据处理技术领域，具体属于数传地面数据处理领域，是指一种基于OpenMP的数传地面基带数据处理方法。
背景技术
随着遥感卫星业务日益增多和复杂化，时间分辨率和空间分辨率越来越高，信息传输的实时性和全天候要求不断提高，对数传地面基带处理系统的能力带来了很大的挑战。目前，随着商业航天的飞速发展，实时性、高速率、低耗时成为未来遥感卫星的一个重要发展方向。与此同时，对应的数传地面基带处理系统也在朝着实时性和高速率方向发展。因此需要提出一种满足未来数传地面基带处理实时性的高效算法机制。
OpenMP是串行编程语言上的一种扩展，是为在多核处理器上能够编写并行程序而设计的一种API，其目标是具有统一地址空间的并行系统提供可移植、可扩展的开发接口。OpenMP比较适合单机多核上的并行计算,而且程序并行化简单,可以把更多的精力投入到并行算法本身,而非其具体实现细节。在共享存储平台上工作，采用Open具有简单易行、移植性好等特点，是共享存储系统并行编程的工业标准，提供对并行区域、工作区间共享、同步等处理的支持。随着计算机技术的发展和多核处理器的普及，OpenMP作为多核结构编程模型的有力竞争者，在众多领域得到了越来越多的应用。
发明内容
本发明解决的技术问题为：解决了遥感卫星数传地面基带处理系统的处理实时性等难题，提出一种基于OpenMP多核并行机制的算法实现，并对该算法进行了验证，通过在系统平台上建立多个线程，并将数据处理分解到多个线程中进行并行处理，解决了卫星处理的实时性、高效率、低耗时、高可靠性、稳定性等问题，符合当前卫星的快响发展理念，有效提升了卫星处理的实时性。
本发明解决的技术方案为：一种基于OpenMP多核并行机制的数据处理方法，包括如下步骤：
(1)根据数据的来源前端及连接后端获取并配置数据处理所需配置文件；
(2)根据外部指令接收前端传输的原始压缩码流数据，并读取配置文件进行数据解析、判读，把不符合的数据进行丢弃或者告警；
(3)对解析、判读后的数据进行并行化的解压缩处理，得到图像数据；
(4)将图像数据并行化送至后端接收软件，完成对图像数据的优化处理或者图像显示。
所述的步骤(2)中读取配置文件进行数据解析，得到包括当前数据的下传卫星、下传数据时间点、下传数据轨道、下传数据放入数传通道。
所述的步骤(2)中的数据判读，包括数据格式判读、有效标识符判读、压缩码流长度判读、计数器连续性判读。
所述的步骤(3)中的并行化的解压缩处理包括首先对原始压缩码数据流进行图像分块，然后进行并行化的解压缩，最后对并行化解压缩后的图像数据进行图像拼接。
所述的步骤(4)中将图像数据并行化送至后端接收软件为通过将多路数据分配到不同发送线程，实现实时发送至后端接收设备。
所述的步骤(3)、步骤(4)中的并行化为通过OpenMP共享内存模型实现，为通过建立多个线程，将数据处理分解到多个线程中进行并行化，其中，多个线程独立处理各自的任务，且共享地址空间，多个线程的地址空间分布是系统根据需要自动分配的。
一种基于OpenMP多核并行机制的数据验证方法，包括如下步骤：
(1)选择机架式服务器搭建试验环境，选择包括城市+山川+河流的遥感数据采用4：1压缩模式和无损压缩模式进行试验；
(2)对4：1压缩模式下对遥感数据进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标；
(3)对4：1模式下对遥感数据进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标；
(4)对无损模式下对遥感数据进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标；
(5)对无损模式下对遥感数据进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标；
(6)对步骤(2)、(3)、(4)、(5)的试验结果进行对比，完成验证过程。
所述的步骤(2)、(3)、步骤(4)、步骤(5)中的指标包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率。
本发明与现有技术相比的优点在于：
(1)本发明设计了一种基于OpenMP多核并行机制的算法设计，实现了数据处理的实时性；
(2)本发明充分利用CPU多核并行调度的设备数据处理能力，提高了数据处理的速度；
(3)本发明运用了多核调度、多核指定、并行处理机制来完成数据处理，大幅度提高了数据处理速度，为整个数据处理过程节约了时间；
(4)本发明采用了双缓存机制，保证数据的有效性、稳定性以及可靠性；
(5)本发明采用乒乓缓存控制处理机制，解决数据的突发性以及集中性给软件系统带来的阻塞，并有效的控制数据在处理和传输过程中的流畅性。
附图说明
图1为并行化解压缩算法软件的流程图；
图2为OpenMP共享内存模型；
图3为并行前设备资源利用率；
图4为并行后设备资源利用率。
具体实施方式
本发明针对遥感卫星数传地面基带处理系统的处理实时性的难题，提出一种基于OpenMP多核并行机制的数据处理方法，并对该方法进行了验证，通过在系统平台上建立多个线程，并将数据处理分解到多个线程中进行并行处理，解决了卫星处理的实时性、高效率、低耗时、高可靠性、稳定性等问题，符合当前卫星的快响发展理念，有效提升了卫星处理的实时性。下面结合附图对本发明方法进行更详细的解释和说明。
如图1所示为本发明设计的并行化解压缩算法的流程图，即基于OpenMP多核并行机制的数据处理方法流程图，具体流程说明如下：
(1)并行化解压缩算法软件首先读取配置文件，根据配置文件里面的内容对软件进行初始化设置同时启动该软件；
(2)该软件一旦启动，即开始连接集群软件，等待集群软件下发命令(比如，包括启动某一项处理任务、是否连接前端发送软件、是否连接后端接收软件、终止任务等等)；
(3)若并行化解压缩算法软件收到的是任务终止命令，那么，该软件立即终止本次任务，等待集群下发下一次任务；
(4)若并行化解压缩算法软件收到的是启动任务命令，该软件立即开始执行本次任务，具体的处理过程如下：
a)首先，并行化解压缩算法软件接收前端发送软件传输过来的原始压缩码流数据。
b)根据读取配置参数进行数据解析，包括本次任务是哪颗卫星下传的数据、哪个时间点下传的数据、哪个轨道下传的数据、哪个数传通道下传的数据等等，因为对于不同的卫星、轨道、通道等参数，并行化解压缩算法软件的算法会有所不同。
c)对接收到的原始压缩码流数据进行判读，包括数据格式正确与否的判读、有效标识符的判读、压缩码流长度的判读、计数器连续性的判读等。把不符合的数据(比如数据格式不正确、标识符错误、压缩码流长度过短或者过长、计数器不连续)进行丢弃或者告警处理，丢弃无效的帧数据可以使得并行化解压缩算法软件的解压缩效率更高，不必再对无效的数据进行处理，告警处理可以方便用户知悉本次任务的数据本身就有异常的帧数据。
d)对数据进行并行化的解压缩处理，对不同的卫星不同虚拟信道的数据使用的解压缩算法不一样，我们都对算法进行了并行化的处理，通过并行化的解压缩，就可以把原始的压缩码流数据解压出图像数据，针对不同的卫星型号，可能还需要在解压缩算法里面增加相应的辅助处理，比如首先对原始压缩码流进行图像分块，然后对小图像块进行并行化的解压缩，最后再对并行化解压缩后的图像数据进行图像拼接等处理。
e)将并行化解压缩处理后的图像数据发送给后端的接收软件，以便后端软件设备继续对图像数据进行后级的优化处理或者图像显示。发送机制也采用并行化的方法，对于不同的卫星，具有的虚拟信道个数不一样，多则几十个，少则几个，要将这么多路数据都要近乎无延迟的发送给后端设备，就需要采用并行化的方法，把这么多路数据分配到不同的发送线程中，这样能够保证各自都互不影响，而且能够近乎无延迟地、实时地、同步地发送给后端接收设备。
f)该次任务处理完成，结束本次任务，继续等待下次任务下发。
如图2所示为OpenMP共享内存模型，具体说明如下：在系统平台的地址空间满足条件的情况下，OpenMP多核并行机制是通过在系统平台上建立多个线程，并将数据处理分解到多个线程中进行并行处理的一种方法，这些多个线程自身是独立进行处理各自的任务，但是它们共享着同一个地址空间，多个线程内部的地址空间分布是系统根据需要自动分配的，比如，当某个线程需要的资源空间比较多的话，就会给分配较大的空间，需要的资源空间比较少的话，就会给分配较小的空间。
本发明一种基于OpenMP多核并行机制的数据处理验证方法，具体包括以下步骤：
(1)选择一台机架式服务器系统平台，系统性能较优，能够满足任务需求；
(2)为了测试使得过程是在真实的卫星数据处理情况下，采用并行调度机制下的算法性能的提升效果，我们选择采用某卫星的真实的遥感在轨图片(包括城市+山川+河流)作为数据源。
(3)由于解压缩在不同压缩比下对解压缩算法效率有影响，我们选择了两种典型的压缩比模式：4：1压缩模式和无损压缩模式。
(4)对4：1模式下解压缩算法进行并行化设计，把该压缩比模式下的真实遥感数据分别进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标，包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率等；
(5)对4：1模式下解压缩算法常规未并行化设计下，把该压缩比模式下的真实遥感数据分别进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标，包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率等；
(6)对无损模式下解压缩算法进行并行化设计，把该压缩比模式下的真实遥感数据分别进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标，包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率等；
(7)对无损模式下解压缩算法常规未并行化设计下，把该压缩比模式下的真实遥感数据分别进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标，包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率等；
(8)对上述步骤(4)、(5)、(6)、(7)的试验结果进行分析总结，并制作出表1和表2，表1为4:1压缩下的并行化前后结果参数对比，表2为无损压缩下的并行化前后结果参数对比。
上述验证过程所需环境详细介绍如下：
硬件环境：机架式服务器。
测试数据：为了测试在真实的卫星数据处理情况下，采用并行调度机制下的算法性能的提升效果，我们采用某卫星的真实的遥感图片(包括城市+山川+河流)作为数据源，分别测试在4:1模式和无损模式下算法并行化设计前后的性能并进行对比。
分别从使用的时间、解码速率、均方差差值、占用的CPU、内存、设备资源利用率这六个指标方向进行性能的对比测试。如下表1为4:1压缩下的并行化前后对比，表2为无损压缩下的并行化前后对比，图3为并行前的设备资源利用率，图4为并行后的设备资源利用率。
通过表1和表2可以看出，使用了OpenMP并行化后，算法的解压缩效率对于数据的性能提高是非常明显的，均超过了4倍；同时从图3和图4可以看出，并行后解压缩算法充分利用了CPU的并行调度机制，充分利用了多核的处理能力；从CPU的占用率上也可以看到，并行化后，CPU的占用率明显提高，也超过了4倍，且无损压缩的提升倍数大于4:1的提升倍数，同时算法的内存占用率没有明显的提高，且随着解码时间的缩短，每秒解码的兆像素数有着对应倍数的增加，这说明OpenMP并行化后，解压缩能够充分利用CPU资源，提高解压缩的效率，而且在内存需求上不是非常明显。
综上测试结果表明：采用了基于OpenMP并行化调度体制下的解压缩软件，在能够充分利用硬件平台性能的基础上，还能提升将近4倍的解压缩速度，从而能够充分保证卫星数传基带处理需求。
表1 4:1压缩并行化前后对比
表2无损压缩并行化前后对比
综上所述，本发明一种基于OpenMP多核并行机制的数据处理方法与验证方法方法，实现了数据处理的实时性；充分利用CPU多核并行调度的设备数据处理能力，提高了数据处理的速度；运用了多核调度、多核指定、并行处理机制来完成数据处理，大幅度提高了数据处理速度，为整个数据处理过程节约了时间；采用了双缓存机制，保证数据的有效性、稳定性以及可靠性；采用乒乓缓存控制处理机制，解决数据的突发性以及集中性给软件系统带来的阻塞，并有效的控制数据在处理和传输过程中的流畅性。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (8)

1.一种基于OpenMP多核并行机制的数据处理方法，其特征在于包括如下步骤：
(1)根据数据的来源前端及连接后端获取并配置数据处理所需配置文件；
(2)根据外部指令接收前端传输的原始压缩码流数据，并读取配置文件进行数据解析、判读，把不符合的数据进行丢弃或者告警；
(3)对解析、判读后的数据进行并行化的解压缩处理，得到图像数据；
(4)将图像数据并行化送至后端接收软件，完成对图像数据的优化处理或者图像显示。
2.根据权利要求1所述的一种基于OpenMP多核并行机制的数据处理方法，其特征在于：所述的步骤(2)中读取配置文件进行数据解析，得到包括当前数据的下传卫星、下传数据时间点、下传数据轨道、下传数据放入数传通道。
3.根据权利要求1所述的一种基于OpenMP多核并行机制的数据处理方法，其特征在于：所述的步骤(2)中的数据判读，包括数据格式判读、有效标识符判读、压缩码流长度判读、计数器连续性判读。
4.根据权利要求1所述的一种基于OpenMP多核并行机制的数据处理方法，其特征在于：所述的步骤(3)中的并行化的解压缩处理包括首先对原始压缩码数据流进行图像分块，然后进行并行化的解压缩，最后对并行化解压缩后的图像数据进行图像拼接。
5.根据权利要求1所述的一种基于OpenMP多核并行机制的数据处理方法，其特征在于：所述的步骤(4)中将图像数据并行化送至后端接收软件为通过将多路数据分配到不同发送线程，实现实时发送至后端接收设备。
6.根据权利要求1所述的一种基于OpenMP多核并行机制的数据处理方法，其特征在于：所述的步骤(3)、步骤(4)中的并行化为通过OpenMP共享内存模型实现，为通过建立多个线程，将数据处理分解到多个线程中进行并行化，其中，多个线程独立处理各自的任务，且共享地址空间，多个线程的地址空间分布是系统根据需要自动分配的。
7.一种基于OpenMP多核并行机制的数据验证方法，其特征在于包括如下步骤：
(1)选择机架式服务器搭建试验环境，选择包括城市+山川+河流的遥感数据采用4：1压缩模式和无损压缩模式进行试验；
(2)对4：1压缩模式下对遥感数据进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标；
(3)对4：1模式下对遥感数据进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标；
(4)对无损模式下对遥感数据进行并行化解压缩处理，并计算出该数据在并行化解压缩处理后的指标；
(5)对无损模式下对遥感数据进行常规未并行化解压缩处理，并计算出该数据在常规未并行化解压缩处理后的指标；
(6)对步骤(2)、(3)、(4)、(5)的试验结果进行对比，完成验证过程。
8.根据权利要求7所述的一种基于OpenMP多核并行机制的数据验证方法，其特征在于：所述的步骤(2)、步骤(3)、步骤(4)、步骤(5)中的指标包括解压缩使用的时间、解压缩速率、均方差差值、所占用的CPU百分比、所占用的内存、所占用的设备资源利用率。
CN201910459072.5A 2019-05-29 2019-05-29 一种基于OpenMP多核并行机制的数据处理与验证方法 Pending CN110324632A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910459072.5A CN110324632A (zh) 2019-05-29 2019-05-29 一种基于OpenMP多核并行机制的数据处理与验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910459072.5A CN110324632A (zh) 2019-05-29 2019-05-29 一种基于OpenMP多核并行机制的数据处理与验证方法

Publications (1)

Publication Number Publication Date
CN110324632A true CN110324632A (zh) 2019-10-11

Family

ID=68119160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910459072.5A Pending CN110324632A (zh) 2019-05-29 2019-05-29 一种基于OpenMP多核并行机制的数据处理与验证方法

Country Status (1)

Country Link
CN (1) CN110324632A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110855638A (zh) * 2019-10-28 2020-02-28 中国资源卫星应用中心 一种基于云计算的遥感卫星数据解压缩处理系统及方法
CN111782689A (zh) * 2020-06-29 2020-10-16 北京华云星地通科技有限公司 基于卫星数据的多任务并行处理方法
CN114398299A (zh) * 2021-12-24 2022-04-26 北京四方继保工程技术有限公司 一种四核协同测控处理器的数据处理方法及处理器
TWI829394B (zh) * 2022-10-17 2024-01-11 大陸商星宸科技股份有限公司 電子裝置及其操作方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158694A (zh) * 2010-12-01 2011-08-17 航天恒星科技有限公司 一种基于gpu的遥感图像解压缩方法
CN103366386A (zh) * 2013-07-14 2013-10-23 西安电子科技大学 基于多进程和多线程的并行图像解压缩系统
US20140098899A1 (en) * 2012-10-05 2014-04-10 Cheetah Technologies, L.P. Systems and processes for estimating and determining causes of video artifacts and video source delivery issues in a packet-based video broadcast system
CN107579792A (zh) * 2017-09-25 2018-01-12 上海卫星工程研究所 多型号在轨卫星工程参数并行解析方法
CN108289091A (zh) * 2017-12-25 2018-07-17 西安空间无线电技术研究所 基于机架式服务器的遥感卫星地面基带数据处理系统
CN109040759A (zh) * 2018-07-27 2018-12-18 西安空间无线电技术研究所 一种图像并行压缩装置及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158694A (zh) * 2010-12-01 2011-08-17 航天恒星科技有限公司 一种基于gpu的遥感图像解压缩方法
US20140098899A1 (en) * 2012-10-05 2014-04-10 Cheetah Technologies, L.P. Systems and processes for estimating and determining causes of video artifacts and video source delivery issues in a packet-based video broadcast system
CN103366386A (zh) * 2013-07-14 2013-10-23 西安电子科技大学 基于多进程和多线程的并行图像解压缩系统
CN107579792A (zh) * 2017-09-25 2018-01-12 上海卫星工程研究所 多型号在轨卫星工程参数并行解析方法
CN108289091A (zh) * 2017-12-25 2018-07-17 西安空间无线电技术研究所 基于机架式服务器的遥感卫星地面基带数据处理系统
CN109040759A (zh) * 2018-07-27 2018-12-18 西安空间无线电技术研究所 一种图像并行压缩装置及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110855638A (zh) * 2019-10-28 2020-02-28 中国资源卫星应用中心 一种基于云计算的遥感卫星数据解压缩处理系统及方法
CN111782689A (zh) * 2020-06-29 2020-10-16 北京华云星地通科技有限公司 基于卫星数据的多任务并行处理方法
CN114398299A (zh) * 2021-12-24 2022-04-26 北京四方继保工程技术有限公司 一种四核协同测控处理器的数据处理方法及处理器
CN114398299B (zh) * 2021-12-24 2024-05-10 北京四方继保工程技术有限公司 一种四核协同测控处理器的数据处理方法及处理器
TWI829394B (zh) * 2022-10-17 2024-01-11 大陸商星宸科技股份有限公司 電子裝置及其操作方法

Similar Documents

Publication Publication Date Title
CN110324632A (zh) 一种基于OpenMP多核并行机制的数据处理与验证方法
US11252430B2 (en) Exploiting camera depth information for video encoding
CN109951547B (zh) 事务请求并行处理方法、装置、设备和介质
CN104782136B (zh) 在云中处理视频数据
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN106713450A (zh) 基于读写分离模式的下载提速方法及装置
CN111327921A (zh) 视频数据处理方法及设备
CN103606367A (zh) 一种信号级联传输方法及信号级联装置
CN101815071B (zh) 数字证书的申请方法、装置及系统
US20230018087A1 (en) Data coding method and apparatus, and computer-readable storage medium
WO2014209366A1 (en) Frame division into subframes
CN100486333C (zh) 插值运算装置及方法
CN111489279A (zh) Gpu加速优化方法、装置及计算机存储介质
US10223997B2 (en) System and method of leveraging GPU resources to increase performance of an interact-able content browsing service
CN101018327B (zh) 离散余弦变换集成模块及其运算组合方法
CN114419473A (zh) 一种基于嵌入式设备的深度学习实时目标检测方法
CN113766266A (zh) 音视频处理方法、装置、设备以及存储介质
CN111815508A (zh) 图像生成方法、装置、设备和计算机可读介质
CN110430144A (zh) 数据处理方法、装置、电子设备以及介质
CN104888454A (zh) 一种数据处理方法及相应电子设备
US20230394711A1 (en) Point cloud prediction processing methods and apparatuses, computer, and storage medium
US20230024813A1 (en) Method, electronic device, and computer program product for image processing
CN113542412B (zh) 数据传输方法、装置、电子设备及存储介质
CN112543165B (zh) 一种解码方法、装置、设备和介质
US20230171420A1 (en) Technology to use video source context information in post-processing operations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191011

RJ01 Rejection of invention patent application after publication