CN105607886A - 一种基于物联网的教育云视频数据显示处理系统及方法 - Google Patents

Abstract

本发明公开一种基于物联网的教育云视频数据显示处理系统及方法。该系统包括：视觉终端感知模块，用于感知识别不同显示终端的类型、屏幕尺寸及分辨率信息；大数据存储与处理模块，用于对不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，存储可视媒体资源；可视媒体处理模块，用于对可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和终端特征信息对可视媒体资源进行适配处理；视觉媒体显示模块，用于将适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。本发明技术方案，能为应用于教育的可视媒体资源根据感知识别出的不同显示终端进行显示适配，促进教育物联网应用发展。

Description

一种基于物联网的教育云视频数据显示处理系统及方法

技术领域

本发明涉及教育物联网技术领域，具体涉及一种基于物联网的教育云视频数据显示处理系统及方法。

背景技术

目前，物联网(Internetofthings，IoT)是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。顾名思义，物联网就是物物相连的互联网。物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

在物联网产业化加速的今天，物联网方案也开始向教育领域渗透，数据驱动在这一过程中发挥着关键作用。物联网的发展使得一些原来无法获取的内容现在能够获取了，在使用各类智能终端过程中，各种抽象的行为、习惯等可以被跟踪到，并转化为数字化的形式。

但是，物联网在教育领域是一种新应用，在教育物联网应用背景下，例如基于温湿度传感器的实验室设备管理系统，或基于监控摄像头的校园巡视管理系统等，这类应用产生的数据大部分是非结构化数据，特别是图像、视频等可视媒体数据。因此，对于这些应用于教育的可视媒体数据如何各种终端进行显示适配处理，是目前所需解决的问题。

发明内容

为解决上述技术问题，本发明提供一种基于物联网的教育云视频数据显示处理系统及方法，能为应用于教育的可视媒体资源根据感知识别出的不同显示终端进行显示适配，促进教育物联网应用发展。

根据本发明的一个方面，提供一种基于物联网的教育云视频数据显示处理系统，包括：

视觉终端感知模块，用于感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据；

大数据存储与处理模块，用于对所述视觉终端感知模块感知识别的不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块供加速对不同显示终端的识别和归类；还用于存储可视媒体资源以及存储可视媒体处理模块对所述可视媒体资源进行处理所得到的指标参数数据；

可视媒体处理模块，用于对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理；

视觉媒体显示模块，用于将所述可视媒体处理模块进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

优选的，所述视觉终端感知模块感知识别的不同显示终端包括物联网终端、智能手机终端、计算机教学辅助视频图形阵列VGA显示屏或校园电子公告板。

优选的，所述大数据存储与处理模块采用映射归约MapReduce计算框架进行数据分析与计算，采用分布式和可扩展的非关系型数据库NoSQL进行大数据存储。

优选的，所述可视媒体处理模块基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理。

优选的，所述可视媒体处理模块基于视频重适配显示包括将可视媒体资源与所述显示终端的类型、屏幕尺寸及分辨率信息建立视频缩放重适配算法进行视频重适配。

根据本发明的另一方面，提供一种基于物联网的教育云视频数据显示处理方法，包括：

通过视觉终端感知模块感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据；

通过大数据存储与处理模块对所述视觉终端感知模块感知识别的不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块供加速对不同显示终端的识别和归类；并通过大数据存储与处理模块存储可视媒体资源；

通过可视媒体处理模块对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理，并将计算得到的指标参数数据发送给大数据存储与处理模块进行存储；

通过视觉媒体显示模块将所述可视媒体处理模块进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

优选的，所述大数据存储与处理模块采用映射归约MapReduce计算框架进行数据分析与计算，采用分布式和可扩展的非关系型数据库NoSQL进行大数据存储。

优选的，所述可视媒体处理模块基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理。

优选的，所述按设定方式进行缩放为基于显著特征和最优构图缩放，包括：

检测可视媒体资源的输入图像中的显著区域并确定其质心；

对输入图像及其显著度映射图根据预先设定的策略进行多重裁剪，所得的子图像与子显著度映射图建立对应的关系；

利用直线检测方法，检测图像中的显著直线；

依据图像最佳构图法则计算出图像的最佳构图；

将具有最高美感指数的裁剪图像进行缩放以适应输出屏幕的显示。

优选的，所述按设定方式进行缩放为基于热点关注Hot-Target图和特征直边保持的图像缩放，包括：

结合可视媒体资源的图像显著区域、重要物体的轮廓、视觉显著度以及知识特征，构造能准确定位图像显著区域、重要物体和知识特征的热点关注Hot-Target图；

用四边形网格覆盖图像，由Hot-Target图计算网格子四边形的重要度，根据重要度大小对网格非均匀迭代变形，重要度大的子四边形变形小，重要度小的子四边形变形大；

对目标网格优化处理保持直线特征不被扭曲变形；

通过插值方式映射优化后的目标网格得到目标图像。

可以发现，本发明实施例的技术方案，通过设置视觉终端感知模块，感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，再通过可视媒体处理模块对可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理，从而实现为应用于教育的可视媒体资源根据感知识别出的不同显示终端进行显示适配，促进教育物联网应用发展。

进一步的，本发明的大数据存储与处理模块可以采用映射归约MapReduce计算框架进行数据分析与计算，采用分布式和可扩展的非关系型数据库NoSQL进行大数据存储。

进一步的，本发明的可视媒体处理模块可以基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理，所述视频重适配显示包括将可视媒体资源与所述显示终端的类型、屏幕尺寸及分辨率信息建立视频缩放重适配算法进行视频重适配。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1是根据本发明的一个实施例的基于物联网的教育云视频数据显示处理系统的示意性方框图。

图2是根据本发明的一个实施例的实施例的基于物联网的教育云视频数据显示处理方法的一示意性流程图。

图3是根据本发明的一个实施例中的视频重适配显示的媒体应用效果示意图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本发明提供一种基于物联网的教育云视频数据显示处理系统，能为应用于教育的可视媒体资源根据感知识别出的不同显示终端进行显示适配，促进教育物联网应用发展。

以下结合附图详细描述本发明方案。

图1是根据本发明的一个实施例的基于物联网的教育云视频数据显示处理系统的示意性方框图。

如图1所示，本发明的基于物联网的教育云视频数据显示处理系统包括：视觉终端感知模块101、大数据存储与处理模块102、可视媒体处理模块103、视觉媒体显示模块104。

视觉终端感知模块101，用于感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据。

大数据存储与处理模块102，用于对所述视觉终端感知模块101感知识别的不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块101供加速对不同显示终端的识别和归类；还用于存储可视媒体资源以及存储可视媒体处理模块103对所述可视媒体资源进行处理所得到的指标参数数据。

可视媒体处理模块103，用于对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块101感知识别的终端特征信息对可视媒体资源进行适配处理。

视觉媒体显示模块104，用于将所述可视媒体处理模块103进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

图2是根据本发明的一个实施例的实施例的基于物联网的教育云视频数据显示处理方法的一示意性流程图。

如图2所示，包括：

在步骤201中，通过视觉终端感知模块感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据；

在步骤202中，通过大数据存储与处理模块对所述视觉终端感知模块感知识别的不同显示终端的的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块供加速对不同显示终端的识别和归类；并通过大数据存储与处理模块存储可视媒体资源；

在步骤203中，通过可视媒体处理模块对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理，并将计算得到的指标参数数据发送给大数据存储与处理模块进行存储；

在步骤204中，通过视觉媒体显示模块将所述可视媒体处理模块进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

可以发现，本发明实施例的技术方案，通过设置视觉终端感知模块，感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，再通过可视媒体处理模块对可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理，从而实现为应用于教育的可视媒体资源根据感知识别出的不同显示终端进行显示适配，促进教育物联网应用发展。

以下进一步详细描述本发明方案。

其中，本发明的视觉终端感知模块具体负责感知多样化的不同显示终端，例如物联网终端、智能手机、计算机教学辅助VGA(VideoGraphicsArray，视频图形阵列)显示屏、校园电子公告板等，识别显示终端的类型、屏幕尺寸、分辨率等信息，为教育视频可视媒体资源的显示适配提供基础数据。

本发明的大数据存储与处理模块，负责对多种显示终端的屏幕规格数据的存储、计算，并且可以把计算结果反馈给视觉终端感知模块，加速对视觉终端的识别和归类。此外，大数据存储与处理模块还负责可视媒体资源的存储，以及对来自可视媒体处理得到的大量数据，例如用于视频显示适配的显示终端指标、视频显示适配精化算子等数据的存储、实时处理与离线处理等任务。大数据存储与处理模块采用映射归约MapReduce计算框架做数据分析与计算，采用分布式、可扩展的非关系型数据库NoSQL数据库进行大数据存储，以实现随机、实时读写操作，满足部分数据的实时处理需求。

其中，MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念″Map(映射)″和″Reduce(归约)″，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。

其中，NoSQL泛指非关系型的数据库。随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题。

因为物联网在教育领域的应用所产生的数据大部分是非结构化数据，特别是图像、视频等可视媒体数据。本发明分析出可视媒体数据的数据特点包括：1)数据异构性：产生的数据由不同的物联网设备采集，具有不同的格式，有文本数据，也有图像、音频、视频等多媒体数据；2)数据量大：教育物联网应用中的数据来源于设备对物体的监控和采集，数据是以流的形式源源不断地产生的，数据量非常大；3)非结构化：教育物联网应用中产生的数据并不遵循一个固定的结构化格式，难以将各种数据以统一的格式进行存储，无法用传统的数据库二维逻辑表来表现；(4)教育物联网中的数据具有明显的不确定性特征，包括数据本身的不确定性、语义匹配的不确定性和查询分析的不确定性等。

因此，本发明根据分析研究的上述数据特点，选择NoSQL数据库方案对可视媒体资源进行存储和处理。NoSQL是近年来不断成熟发展起来的数据存储技术，其数据建模与传统的关系型数据库相比有较大的不同。本发明将教育可视媒体数据、教育视频适配显示业务数据等映射到NoSQL的数据模型，实现分布式存储。本发明使用的数据建模方法包括：1)反规格化：反规格化可把相同的数据拷贝到不同的文档或表中，以简化和优化查询，尤其适合实际应用中的特别复杂的业务数据模型。2)聚合：聚合提供了一种灵活的模式，方便用户以一种嵌套式的内部数据方式来存储一组有关联的业务实体。3)索引表：索引表可以在不支持索引的数据库中得到索引的好处，尤其是类BigTable这种数据库。BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库。BigTable是非关系型数据库，是一个稀疏的、分布式的、持久化存储的多维度排序地图Map。索引表也是方便对于物联网非结构化数据进行多维度、复杂查询的一种有效方法。

本发明的可视媒体处理模块，负责对教育视频可视媒体资源的分析、压缩、显示适配计算。针对多尺度和多样化显示终端，基于视频重适配显示和高精度图形图像渐进显示技术的视频精化显示适配方法，权衡视频显示内容、显示精度、保留重要视觉元素等关键指标，对视频做适配处理，以实现视频在不同终端的最佳显示效果。

本发明所述可视媒体处理模块基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理，其中所述视频重适配显示包括将可视媒体资源与所述显示终端的类型、屏幕尺寸及分辨率信息建立视频缩放重适配算法进行视频重适配。具体的：

现有视频显示适配方法对不同尺度的多样化显示终端不能使教育视频可视媒体资源多尺度边缘同时达到理想显示效果。当宽屏显示内容较完整时，其显示精度不高；窄屏显示精度较高时，却出现重要特征内容不完整。

本发明提出基于视频重适配显示和高精度图形图像渐进显示技术的视频精化显示适配方法，针对多尺度和多样化显示终端，把教育视频可视媒体资源与显示终端的特征进行视频重适配，设计视频缩放重适配算法，形成自适应的教育视频显示适配方法，避免显示失真，可以增强可视媒体资源的自适应显示能力；可具体针对重要内容的边缘，既能灵活平缓视频图像的显示终端多尺度变化，又能保持各重要内容边缘不被模糊或过度锐化的显示适配方法，解决显示终端的可视媒体资源的多尺度分解和逐层显示问题，实现面向教育知识服务的视觉内容的高清晰、高动态、互动应用显示，增强显示终端上教育知识服务的显示效果，提高视觉显示质量。视频重适配显示可以参见图3所示，图3是根据本发明的一个实施例中的视频重适配显示的媒体应用效果示意图。

本发明的视觉媒体显示模块，可根据可视媒体显示适配得到的结果，将教育视频可视媒体资源以最合适的显示比例发送给显示终端，实现在各种显示终端的最佳显示效果。

需说明的是，本发明方案可以按基于显著特征和最优构图缩放，也可以按基于热点关注Hot-Target图和特征直边保持的图像缩放。

其中，基于显著特征和最优构图缩放方法是结合多重裁剪和图像最佳构图法则，计算流程如下：首先，检测输入图像中的显著区域并确定其质心；对输入图像及其显著度映射图根据预先设定的策略进行多重裁剪，所得的子图像与子显著度映射图建立对应的关系；利用经典的直线检测算方法，检测图像中的显著直线；依据图像最佳构图法则，计算出图像的最佳构图；最后，将具有最高美感指数的裁剪图像进行缩放以适应输出屏幕的显示。

其中，基于Hot-Target图和特征直边保持的图像缩放方法，是可自适应检测多个图像显著区域，重要物体和图像中的直线特征，在图像收缩过程中充分突出图像的显著区域和重要物体，保持直线特征，避免图像缩放过程中出现的扭曲变形和丢失知识特征。具体操作步骤包括：首先，结合图像显著区域、重要物体的轮廓、视觉显著度以及知识特征，构造能准确定位图像显著区域、重要物体和知识特征的Hot-Target图；然后，用四边形网格覆盖图像，由Hot-Target图计算网格子四边形的重要度，根据重要度大小对网格非均匀迭代变形，重要度大的子四边形变形小，重要度小的子四边形变形大，以此突显收缩后图像的重要区域；对目标网格优化处理，保持直线特征不被扭曲变形；最后，通过插值方式，映射优化后的目标网格得到目标图像。

综上所述，本发明方案基于教育可视媒体数据的异构化、大数据量、非结构化、不确定性等特点，采用NoSQL技术存储教育可视媒体资源，提高可视媒体资源存储效率和检索速度。本发明利用大数据分析加速教育视频的适配显示，计算出合适的显示适配参数，加速视频的适配显示。本发明针对已有显示终端上表现方式简单、显示质量受限的现状和教育视频资源难以高效适应个性化普适终端的流量、带宽和显示精度的问题，提出从教育视频媒体资源的重适配显示出发，基于教育可视媒体的特征，创新视频缩放方式，对高精度图形和图像多尺度分解和渐进逐层显示方法，创新视频缩放的教育视频媒体的视频重适配显示方法，增强显示终端上教育知识服务的显示效果，提高视觉显示质量，增加吸引力，实现教育知识服务的教育视频资源在显示终端实时化、自然化、高清晰、高动态的交互应用，拓宽教育视频精化显示技术的应用范围。

上文中已经参考附图详细描述了根据本发明的技术方案。

此外，根据本发明的方法还可以实现为一种计算机程序，该计算机程序包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。或者，根据本发明的方法还可以实现为一种计算机程序产品，该计算机程序产品包括计算机可读介质，在该计算机可读介质上存储有用于执行本发明的上述方法中限定的上述功能的计算机程序。本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种基于物联网的教育云视频数据显示处理系统，其特征在于，包括：

视觉终端感知模块，用于感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据；

大数据存储与处理模块，用于对所述视觉终端感知模块感知识别的不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块供加速对不同显示终端的识别和归类；还用于存储可视媒体资源以及存储可视媒体处理模块对所述可视媒体资源进行处理所得到的指标参数数据；

可视媒体处理模块，用于对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理；

视觉媒体显示模块，用于将所述可视媒体处理模块进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

2.根据权利要求1所述的系统，其特征在于：

所述视觉终端感知模块感知识别的不同显示终端包括物联网终端、智能手机终端、计算机教学辅助视频图形阵列VGA显示屏或校园电子公告板。

3.根据权利要求1所述的系统，其特征在于：

所述大数据存储与处理模块采用映射归约MapReduce计算框架进行数据分析与计算，采用分布式和可扩展的非关系型数据库NoSQL进行大数据存储。

4.根据权利要求1所述的系统，其特征在于：

所述可视媒体处理模块基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理。

5.根据权利要求1所述的系统，其特征在于：

所述可视媒体处理模块基于视频重适配显示包括将可视媒体资源与所述显示终端的类型、屏幕尺寸及分辨率信息建立视频缩放重适配算法进行视频重适配。

6.一种基于物联网的教育云视频数据显示处理方法，其特征在于，包括：

通过视觉终端感知模块感知识别不同显示终端的类型、屏幕尺寸及分辨率信息，为可视媒体资源的显示适配提供基础数据；

通过大数据存储与处理模块对所述视觉终端感知模块感知识别的不同显示终端的类型、屏幕尺寸及分辨率信息进行存储和计算，将计算结果反馈给所述视觉终端感知模块供加速对不同显示终端的识别和归类；并通过大数据存储与处理模块存储可视媒体资源；

通过可视媒体处理模块对所述可视媒体资源进行分析、压缩、显示适配计算，根据计算得到的指标参数数据和所述视觉终端感知模块感知识别的终端特征信息对可视媒体资源进行适配处理，并将计算得到的指标参数数据发送给大数据存储与处理模块进行存储；

通过视觉媒体显示模块将所述可视媒体处理模块进行适配处理后的可视媒体资源按设定方式进行缩放后发送给显示终端进行展示。

7.根据权利要求6所述的方法，其特征在于：

所述大数据存储与处理模块采用映射归约MapReduce计算框架进行数据分析与计算，采用分布式和可扩展的非关系型数据库NoSQL进行大数据存储。

8.根据权利要求6所述的方法，其特征在于：

所述可视媒体处理模块基于视频重适配显示和高精度图形图像渐进显示方式对可视媒体资源进行适配处理。

9.根据权利要求6至8任一项所述的方法，其特征在于：

所述按设定方式进行缩放为基于显著特征和最优构图缩放，包括：

检测可视媒体资源的输入图像中的显著区域并确定其质心；

对输入图像及其显著度映射图根据预先设定的策略进行多重裁剪，所得的子图像与子显著度映射图建立对应的关系；

利用直线检测方法，检测图像中的显著直线；

依据图像最佳构图法则计算出图像的最佳构图；

将具有最高美感指数的裁剪图像进行缩放以适应输出屏幕的显示。

10.根据权利要求6至8任一项所述的方法，其特征在于：

所述按设定方式进行缩放为基于热点关注Hot-Target图和特征直边保持的图像缩放，包括：

结合可视媒体资源的图像显著区域、重要物体的轮廓、视觉显著度以及知识特征，构造能准确定位图像显著区域、重要物体和知识特征的热点关注Hot-Target图；

用四边形网格覆盖图像，由Hot-Target图计算网格子四边形的重要度，根据重要度大小对网格非均匀迭代变形，重要度大的子四边形变形小，重要度小的子四边形变形大；

对目标网格优化处理保持直线特征不被扭曲变形；

通过插值方式映射优化后的目标网格得到目标图像。