[发明专利]网络环境下大规模图像与视频数据高效处理的方法

说明书

技术领域

本发明属于图像信息处理技术领域，具体涉及一种网络环境下大规模图像与视频数据高效处理的方法。

背景技术

近年来,随着各种成像技术的完善，以及相应的数据收集能力的持续增加,获得了越来越多的变化数据,当海量的模糊图像应用于军事目标的监测时,当收集的大规模的图像数据应用于实际目标的监测时，应用传统的图像判读方式已经不能满足信息获取的实际需求,迫切需要开展大规模图像特征自动提取的研究。

在有些场合如红外制导中，需要能够尽快地截获并锁定跟踪目标。那么实施大规模图像与视频数据的高效处理，对在军事、民事等各个领域的应用显得越来越重要，也越来越急迫。

目前对网络环境下大规模航空图像的快速、准确的筛选、有效数据的存储、传输和提取等问题的处理缺乏解决方法，这些问题已成为图像处理领域的一个热点问题，这也是现在许多部门棘手且亟待解决的问题。

但目前对大规模图像特征的多维参数提取问题的处理缺乏解决方法，这也是现在许多部门棘手且亟待解决的问题。由此，多维参数提取工作已变得越来越重要也越来越困难。

发明内容

本发明要解决的技术问题是提供一种网络环境下大规模图像与视频数据高效处理的方法，为提高信息处理实时性和准确性提供一种思路，对不确定条件下的信息处理具有重要的理论借鉴和现实意义，有助于目标识别与图像处理人员了解检测目标的运动规律、活跃程度及其对其他目标的影响，从而给出相应的决策，寻求抑制或消除不良因素对其或其他重要目标的影响都是非常必要的；对军事、民事、公安系统、道路交通等所有基于视频系统的目标识别与跟踪的发展起到重要的借鉴和参考作用。

为了达到上述目的，本发明的技术方案是：一种网络环境下大规模图像与视频数据高效处理方法，其步骤包括：

步骤一，分析采集的海量图像或视频序列的数据特征，提出有效的大规模数据约简方法；

步骤二，提出特征图像聚类方法、模糊分类方法，对约简后提取的有效数据实施海量图像的分类；

步骤三，利用图像或数据特征对聚类或分类后后的图像进行编码、表示、分类，对图像进行压缩处理，实施数据建模和传输；

步骤四，提取网络环境下目标的多维有效特征参数。

所述大规模数据约简方法包括：

①按照约简的定义实现对大规模数据的约简算法

即条件属性C相对于决策属性De的约简问题，从条件属性集合C中发现部分必要的条件属性，使得根据这部分条件属性形成的相对于决策属性的分类和所有条件属性所形成的相对于决策属性的分类一致，即和所有条件属性相对于决策属性De有相同的分类能力，具体算法如下：

输入：条件属性集合C＝{a₁,a₂,…,a_n}，决策属性集合De＝{de}；

输出：一个属性约简集合RED(A)，这里A是属性全集；

步骤1：计算决策属性集合De的条件属性集合C正域POS_C(De)；

步骤2：对属性a_i∈C，去除它所得到的条件属性子集C/{a_i}，计算决策属性集合De的C/{a_i}正域

步骤3：如果则说明属性a_i对于决策属性De是不必要的，即C＝C/{a_i}，转步骤2；否则，输出属性约简集合RED(A)＝C。

②区分矩阵约简算法

首先构造区分矩阵，在区分矩阵的基础上得到区分函数，然后应用吸收律对区分函数进行化简，使之成为析取范式，则每个主蕴涵式均为约简的；具体算法为：

对信息系统S＝(U,A＝C∪De)，其中U为待研究的对象集合，C为条件属性集合，De为决策属性集合，假设决策属性中决策类的个数为k个，该信息系统的区分矩阵是一个对称|U|×|U|矩阵，矩阵的每一项c_ij定义为

其中，x_i∈U，x_j∈U是研究的对象，a是属性，a(x_i)表示对象x_i的属性，De(x_i)表示x_i的决策属性；如果De(x_i)≠De(x_j)，c_ij代表了可以将x_i和x_j区分开的属性集合；