题目：面向分布式计算的并行视频编解码技术研究与应用

论文针对设备状态监测领域的视频应用遇到的计算资源瓶颈与实时性问题，给出了一种面向分布式计算的并行视频编解码方法，设计并实现了并行视频编码应用与验证系统，通过实验验证了该方法能够解决设备状态监测领域的多源海量视频应用的计算资源瓶颈与实时性问题。

论文基于设备状态监测领域的视频应用场景，对具有多源、海量视频数据处理需求的视频应用在计算资源上遇到的瓶颈和实时性问题，以及设备状态监测领域的视频数据特点进行深入分析，研究适用于该领域的并行视频编码方法，设计了基于宏块阈值判断的帧间冗余消除方法和面向频域特性的多级熵编码方法，并且通过研究小波变换高频数据稀疏性特点，提出了一种面向稀疏系数的高效熵编码算法并开发了验证工具，与其他熵编码算法进行了实验对比与分析，结果表明相对于小波变换的高频子带而言，该熵编码算法具有更好的编码效率。论文对分布式实时流处理技术进行了研究，建立流处理模型并给出了分布式资源访问实时性问题的解决方案，利用分布式实时流处理技术提供高通量数据处理能力，解决视频应用的计算资源瓶颈和实时性问题，同时具备一定的可靠性与可扩展性。

为了验证面向分布式计算的并行视频编解码方法的可行性，作者设计并开发了并行视频编码应用与验证系统，该系统包含分布式实时流处理支撑平台、并行视频编码应用、算法库与算法验证平台四个部分。分布式实时流处理支撑平台基于Storm分布式框架实现，能够支持各类复杂应用的分布式实时运行与管理，同时可以通过平台信息监测界面实时了解平台的状态，便于发现实时流处理能力的瓶颈，对可能发生问题或故障进行分析与解决；并行视频编解码应用基于分布式实时流处理技术实现并行视频编解码过程，利用分布式计算解决应用的计算瓶颈与实时性问题，同时也提高了应用的可靠性与可扩展性；算法库封装了图像/视频编解码过程的关键算法，为并行视频编码应用提供基础算法的支持；算法验证平台为算法库提供算法验证支持，便于对各类算法进行对比与分析。文章最后从压缩比、峰值信噪比、编码延时与串/并行对比的角度对并行视频编码性能进行了实验分析，实验证明，在保证较高的压缩比和峰值信噪比的情况下，并行视频编解码应用具备了低延时和高通量的特点，因此本文设计并实现的面向分布式计算的并行视频编解码方法是可行的。