[發明專利]網絡環境下大規模圖像與視頻數據高效處理的方法

有效

• 申請號: 201410519331.6
• 申請日: 2014-09-30
• 公開（公告）號: CN104268532A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 吳青娥;方潔;陳志武;王宏;丁莉芬;何燕;鄭安平;齊汝賓;鄭曉婉;陳青華
• 申請（專利權）人: 鄭州輕工業學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06F17/30
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張紹琳;張真真

1.一種網絡環境下大規模圖像與視頻高效數據處理的方法，其特征在于：

步驟一，分析采集的海量圖像或視頻序列的數據特征，提出有效的大規模數據約簡方法；

步驟二，提出特征圖像聚類方法、模糊分類方法，對約簡后提取的有效數據實施海量圖像的分類；

步驟三，利用圖像或數據特征對聚類或分類后后的圖像進行編碼、表示、分類，對圖像進行壓縮處理，實施數據建模和傳輸；

步驟四，提取網絡環境下目標的多維有效特征參數。

2.根據權利要求1所述的網絡環境下大規模圖像與視頻高效數據處理的方法，其特征在于，所述大規模數據約簡方法包括：

①按照約簡的定義實現對大規模數據的約簡

即條件屬性C相對于決策屬性De的約簡問題，從條件屬性集合C中發現部分必要的條件屬性，使得根據這部分條件屬性形成的相對于決策屬性的分類和所有條件屬性所形成的相對于決策屬性的分類一致，即和所有條件屬性相對于決策屬性De有相同的分類能力，具體算法如下：

輸入：條件屬性集合C＝{a₁,a₂,…,a_n}，決策屬性集合De＝{de}；

輸出：一個屬性約簡集合RED(A)，這里A是屬性全集；

步驟1：計算決策屬性集合De的條件屬性集合C正域POS_C(De)；

步驟2：對屬性a_i∈C，去除它所得到的條件屬性子集C/{a_i}，計算決策屬性集合De的C/{a_i}正域

步驟3：如果則說明屬性a_i對于決策屬性De是不必要的，即C＝C/{a_i}，轉步驟2；否則，輸出屬性約簡集合RED(A)＝C；

②區分矩陣約簡算法

首先構造區分矩陣，在區分矩陣的基礎上得到區分函數，然后應用吸收律對區分函數進行化簡，使之成為析取范式，則每個主蘊涵式均為約簡的；具體算法為：

對信息系統S＝(U,A＝C∪De)，其中U為待研究的對象集合，C為條件屬性集合，De為決策屬性集合，假設決策屬性中決策類的個數為k個，該信息系統的區分矩陣是一個對稱|U|×|U|矩陣，矩陣的每一項c_ij定義為

其中，x_i∈U，x_j∈U是研究的對象，a是屬性，a(x_i)表示對象x_i的屬性，De(x_i)表示x_i的決策屬性；如果De(x_i)≠De(x_j)，c_ij代表了可以將x_i和x_j區分開的屬性集合；

區分函數可以從區分矩陣中構造，方法是把c_ij的每個屬性“或”起來，然后再“與”所有的c_ij，其中i,j＝1,…,|U|，則區分函數f(S)為

因為c_ij代表了區分兩個對象的屬性集合，所以區分函數就代表了可以區分開所有對象的屬性集合,再使用吸收律化簡區分函數成標準式，即

f(S)＝∨(∧a_m)???(3)

則所有的質蘊涵式∧a_m包含的屬性就確定了信息系統的所有約簡集合；

③基于屬性重要性的啟發式約簡算法

使用核作為計算約簡的出發點，計算一個最好的或者用戶指定的最小約簡，將屬性的重要性作為啟發規則，首先按照屬性的重要程度從大到小逐個加入屬性，直至待處理的數據集合是一個約簡為止，然后檢查數據集合中的每個屬性，即移走的屬性是否會改變數據集合對決策屬性的依賴度，如果不影響，則將其刪除，具體實施為：

初始化候選集Red為核屬性：Red＝Core；

計算整個條件屬性集C的依賴程度fmax,即計算決策屬性集De對去除屬性a_i∈C所得到的條件屬性子集C/{a_i}的正域

max＝0；

當max<fmax時，循環過程：在候選集Red中加入新屬性，計算使Red集依賴系數最大的屬性i，Red＝Red∪{i}，max＝Red的依賴程度，對于Red的每個非核屬性，去掉是否影響依賴系數，若否，則可刪除；

返回Red，結束。