1. 3D verižne kode F26, F6 in 5OT za opis skeletov vokseliziranih objektovGoran Pjević, 2024, master's thesis Abstract: V magistrskem delu opišemo tehnike za tvorbo 3D verižnih kod, primernih za opis skeletov vokseliziranih geometrijskih objektov. Osredotočimo se na Freemanovi verižni kodi v 26 in 6 smeri (F26 in F6) ter 5-ortogonalno verižno kodo (5OT). Te verižne kode nato uporabimo za stiskanje 3D skeletov. Verižne kode stisnemo z algoritmi stiskanja RLE, LZW, bzip2 in bzip3 ter primerjamo njihovo uspešnost.
Keywords: 3D geometrijski objekti, brezizgubno stiskanje podatkov, primerjava metod RLE, LZW, bzip2 in bzip3
Published in DKUM: 23.12.2024; Views: 0; Downloads: 18
 Full text (1,80 MB) |
2. Aplikacije računalniških algoritmovBorut Žalik, 2023 Abstract: Učbenik Aplikacije računalniški algoritmov je namenjen študentom prve stopnje študijskega programa računalništvo in informacijske tehnologije s ciljem, spoznati algoritme, ki jih uporabniki pri svojem delu pogosto uporabljajo. Z implementacijo teh algoritmov bodo študentje pri prepotrebno rutino za za vstop v umetnost programiranja univerzalnega stroja, to je računalnika. Učbenik prinaša naslednje vsebine: urejanje podatkov v linearnem času, iskanje vzorcev v nizih, iskanje minimalne razdalje urejanja, preproste šifrirnike, metode brezizgubnega stiskanja podatkov, metode transformacije nizov, priponska polja in priponska drevesa ter algoritme v rastrskem prostoru (verižne kode in krivulje polnjenja prostora).
Keywords: urejanje podatkov v linearnem času, iskanje vzorcev v nizih, iskanje minimalne razdalje urejanja, brezizgubno stiskanje podatkov, transformacije nizov, priponska polja in priponska drevesa, verižne kode, krivulje polnjenja prostora
Published in DKUM: 21.06.2023; Views: 736; Downloads: 137
Full text (3,01 MB)
This document has many files! More... |
3. Postopek brezizgubnega stiskanja razčlenjenih vokselskih podatkovDenis Špelič, 2011, dissertation Abstract: Doktorska disertacija obravnava področje stiskanja vokselskih podatkov. V uvodu naloge opredelimo problem stiskanja vokselskih podatkov, opišemo cilje naloge in podamo hipoteze, ki jih želimo preveriti. Uvodu sledi opis in definicija vokselskih podatkov, opis naprav, s katerimi podatke pridobivamo ter opis Hounsfieldove lestvice, s katero si lahko pomagamo pri razčlenitvi vokselskih podatkov. V nadaljevanju opišemo področje vokselske grafike Nalogo nadaljujemo s pregledom metod, ki se ukvarjajo s stiskanjem vokselskih podatkov. Opišemo dve metodi, ki sta bili objavljeni v zadnjem času, in podamo nekoliko podrobnejši opis metode QT-B. V jedru doktorske disertacije opišemo podporne tehnike, ki smo jih uporabili pri razvoju naše metode LoCoVox. Podrobneje opišemo standard JPEG-LS in standard JBIG. Sledi podrobnejši opis razvite metode LoCoVox ter njene spletne implementacije VoxelServer, VoxelClient in VoxelDecompressor. V predzadnjem poglavju lastnosti metode LoCoVox analiziramo z eksperimenti. Z metodo smo stisnili nabore vokselskih podatkov in rezultate primerjali s splošnonamenskima programoma ZIP in RAR ter z domenskospecifično metodo QT-B. Metoda je občutno boljša od metode QT-B in ZIP ter primerljiva z metodo RAR, v kolikor želimo prenesti celoten nabor podatkov. Če je dovolj, da prenesemo samo del podatkov (na primer, tkivo, tekočine, kosti), je metoda LoCoVox občutno uspešnejša.
Keywords: algoritmi, stiskanje podatkov, brezizgubno stiskanje, vokselski podatki, segmentacija
Published in DKUM: 31.01.2012; Views: 2467; Downloads: 249
Full text (9,33 MB) |
4. ČASOVNO UČINKOVITO STISKANJE PODATKOV NA GPURobert Jerovšek, 2011, undergraduate thesis Abstract: Zaradi fizikalnih omejitev se je razvoj centralnih procesnih enot preusmeril iz večanja frekvence delovanja v večanje števila njihovih jeder. Tako je časovna učinkovitost algoritmov vse bolj odvisna od zmožnosti njihovega paralelnega izvajanja. V diplomskem delu predstavimo prilagoditev splošnonamenskega algoritma stiskanja podatkov za paralelno izvajanje. V ta namen najprej razdelimo vhodni niz podatkov v bloke in vsakega izmed njih neodvisno stisnemo. Izvajanje nato prenesemo na grafično procesno enoto s pomočjo programskega jezika OpenCL. Nadaljnje pohitritve dosežemo z uporabo pomnilnika konstant in pomnilnika tekstur. Z rezultati pokažemo, da lahko izvajalni čas v primerjavi s časom potrebnim za stiskanje na centralni procesni enoti tako tudi razpolovimo.
Keywords: GPGPU, brezizgubno stiskanje podatkov, LZJB, OpenCL, paralelno programiranje
Published in DKUM: 12.07.2011; Views: 2396; Downloads: 149
Full text (1,94 MB) |
5. |
