Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Fajardo Ariza, Carlos AugustoRamon Suarez, Jorge HernandoAngulo Julio, Carlos Andres2024-03-0320162024-03-0320162016https://noesis.uis.edu.co/handle/20.500.14071/34203La industria del petróleo emplea imágenes del subsuelo para determinar la presencia de depósitos minerales. La construcción de estas imágenes requiere procesar una gran cantidad de trazas sísmicas en arquitecturas de alto desempeño. El tiempo de ejecución de los algoritmos sísmicos es penalizado por el cuello de botella en la transferencia de datos entre la memoria principal y la memoria de los nodos de cómputo debido a la cantidad de trazas involucradas. Para reducir el tiempo de transferencia y almacenar e_x001C_cientemente la información sísmica se pueden emplear técnicas de compresión de datos sísmicos. Generalmente, estas técnicas comprenden tres etapas: transformación, cuanti_x001C_cación y codi_x001C_cación. Uno de los retos que surge para obtener un algoritmo de compresión adecuado es hallar una transformación que permita concentrar la energía de las trazas sísmicas en unos pocos datos. Esto con el _x001C_n de mejorar la relación de compresión sin afectar considerablemente la calidad de la información. En este proyecto se analiza la Transformación Wavelet Discreta con el _x001C_n de seleccionar una estrategia para implementar la etapa de transformación de un algoritmo de compresión de datos sísmicos. El análisis se centra en la relación de compresión de los datos y el tiempo de descompresión en arquitecturas de procesamiento en paralelo tales como FPGA y GPU. El objetivo es proponer una estrategia de transformación que favorezca simultáneamente la relación de compresión y el tiempo de descompresión. Los resultados muestran que el esquema lifting reduce el tiempo de procesamiento ya que requiere menos operaciones matemáticas. Asimismo, los resultados sugieren usar el esquema lifting para el _x001C_ltro wavelet CDF 2.2 ya que este reduce el tiempo de procesamiento y ofrece uno de los mejores rendimientos en términos de Relación de Compresión vs. Relación Señal a Ruido.application/pdfspahttp://creativecommons.org/licenses/by/4.0/CompresiónDatos SísmicosDescompresiónEsquema LiftingFpgaGpuTransformación WaveletTrazas Sísmicas.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coSubsurface images constructed by the oil industry to determine the presence of mineral deposits require processing a huge amount of seismic data on high performance architectures. The processing time of seismic algorithms is penalized by a data transfer bottleneck between the main memory and the memory of the computing nodes due to the amount of data involved. Data compression techniques can be used to reduce the transfer time and to store the seismic information e_x001E_ciently. Such techniques usually comprise three stages: transformationquantization and coding. One of the challenges that arises is to _x001C_nd a transformation to achieve a suitable compression algorithm for seismic data that allows to concentrate their energy on few data in order to favor the compression ratio while maintaining the information quality. The Discrete Wavelet Transform is analyzed to select a strategy to implement the transformation stage of a seismic data compression algorithm. The analysis focusses on the compression ratio of the seismic data and the execution time of the decompression algorithm on parallel architectures such as FPGA and GPU. The aim is to propose a transformation stage that simultaneously favors the compression ratio and the decompression time. Results show that the lifting scheme reduces the amount of mathematical operations and therefore the processing time. Results also suggest using the lifting scheme for the CDF 2.2 wavelet _x001C_lter because it reduces the decompression time and it o_x001B_ers the best performance in terms of compression ratio vs. signal to noise ratio.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)