[发明专利]一种面向海量图片数据的重复数据删除方法在审
申请号: | 201510283400.2 | 申请日: | 2015-05-28 |
公开(公告)号: | CN104881470A | 公开(公告)日: | 2015-09-02 |
发明(设计)人: | 邓玉辉;谢恒翔 | 申请(专利权)人: | 暨南大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 陈燕娴;刘巧霞 |
地址: | 510632 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 海量 图片 数据 重复 删除 方法 | ||
1.一种面向海量图片数据的重复数据删除方法,其特征在于,包括步骤:
(1)文件过滤:对文件类型和文件大小进行过滤;步骤是:
(1-1)读取备份流中的一个文件,根据文件后缀名判断文件是否为图片文件;
(1-2)若非图片文件,则按一般重复数据删除流程对文件进行去重,一般重复数据删除流程为:基于文件二进制流进行分块,计算数据块的哈希指纹,通过在指纹数据库中查找该指纹来判断数据块是否冗余,若数据块冗余,则将其删除,若数据块为唯一块,则将其存入系统,并将指纹添加到指纹数据库;
(1-3)若是图片文件,则执行步骤(1-4);
(1-4)计算图片文件大小,若文件小于预设值,则将文件整体视为一个数据块,计算其哈希指纹,通过查找指纹数据库判断该文件是否冗余,若文件冗余则将其删除,否则将其存入系统,并添加文件指纹到指纹数据库;否则执行步骤(2);
(2)过滤后的文件类型识别与数据读取:根据文件后缀名识别图片文件类型,根据类型获取其位图矩阵数据并读入内存;
(3)对位图矩阵数据进行分块;
(4)判断分块后的各个数据块是唯一块还是冗余块,若为冗余块,则将其删除,否则执行步骤(5);
(5)根据原图片文件类型,用相应的图片压缩方法对唯一块进行压缩存储。
2.根据权利要求1所述的面向海量图片数据的重复数据删除方法,其特征在于,所述步骤(2)中,若图片文件类型为压缩格式文件,则采用相应的解压算法将其解压,然后获得其位图矩阵数据,若为非压缩格式,则直接读取其位图矩阵数据;其中若图片文件类型为jpg格式文件,则在解压的同时计算文件元数据包含的亮度量化表的所有元素的和。
3.根据权利要求1所述的面向海量图片数据的重复数据删除方法,其特征在于,所述步骤(2)中的数据读取与步骤(3)中的分块过程采用多线程并行的方式,即并行读取多个图片文件的位图矩阵数据,对同一个位图矩阵采用多个线程并行地对矩阵不同区域进行分块。
4.根据权利要求1所述的面向海量图片数据的重复数据删除方法,其特征在于,所述步骤(3)对位图矩阵数据进行分块,采用一种基于图片尺寸的分块方法,步骤如下:
(3-1)获取图片的宽和高,以及可根据实际需求进行调节的默认块边长,用X表示最终用于分块的边长,执行步骤(3-2);
(3-2)若图片宽或高小于默认块边长,则X等于图片高、宽中的更小者,执行步骤(3-4),否则执行步骤(3-3);
(3-3)用Z表示控制每张图片通过分块所能得到的数据块个数,根据公式:Y
(3-4)从行和列两个方向对位图矩阵进行划分,每隔X个元素划分一次,将划分后得到的每个矩形区域所包含的所有数据视为一个数据块。
5.根据权利要求1所述的面向海量图片数据的重复数据删除方法,其特征在于,所述步骤(4)中,判断分块后的各个数据块是唯一块还是冗余块,采用传统的唯一块判定方法,其步骤是:计算数据块哈希指纹,并在已存储的指纹数据库中查找该指纹,若找到则标记该数据块为冗余块,否则标记该数据块为唯一块。
6.根据权利要求5所述的面向海量图片数据的重复数据删除方法,其特征在于,用纯色块的宽、高以及纯色块的R、G、B颜色值标记该纯色块,指纹查找过程中,若通过指纹值在指纹数据库中找到某指纹,还需对比两指纹的以上标记,若不同,则判定它们为不同的指纹。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于暨南大学,未经暨南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510283400.2/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置