CN106651741B - 一种基于云计算的图形处理系统 - Google Patents
一种基于云计算的图形处理系统 Download PDFInfo
- Publication number
- CN106651741B CN106651741B CN201611131890.5A CN201611131890A CN106651741B CN 106651741 B CN106651741 B CN 106651741B CN 201611131890 A CN201611131890 A CN 201611131890A CN 106651741 B CN106651741 B CN 106651741B
- Authority
- CN
- China
- Prior art keywords
- image
- dimension table
- information
- field
- visual media
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims abstract description 116
- 230000000007 visual effect Effects 0.000 claims abstract description 122
- 230000008447 perception Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000006978 adaptation Effects 0.000 claims abstract description 21
- 238000013500 data storage Methods 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000001914 filtration Methods 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000013523 data management Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于云计算的图形处理系统,包括视觉终端感知系统;用于对视觉终端感知系统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的数据存储与处理系统;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的可视媒体处理系统;用于将可视媒体处理系统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的视觉媒体显示系统。该发明的有益效果是智能化程度高,图形处理效果好和云计算处理效果强。
Description
技术领域
本发明属于图形处理系统领域,尤其涉及一种基于云计算的图形处理系统。
背景技术
目前,基于云计算的图形处理系统,没有充分与基于云计算的图形处理进行配合,系统的智能化程度不高,图形处理效果不好。
综上所述,现有的基于云计算的图形处理系统,智能化程度低,图形处理效果差和云计算处理效果弱。
发明内容
本发明为解决现有的基于云计算的图形处理系统,智能化程度低,图形处理效果差和云计算处理效果弱的技术问题而提供一种基于云计算的图形处理系统。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
一种基于云计算的图形处理系统,包括: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的视觉终端感知系统;
用于对所述视觉终端感知系统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的数据存储与处理系统;
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系统感知识别的终端特征信息对可视媒体资源进行适配处理的可视媒体处理系统;
用于将所述可视媒体处理系统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的视觉媒体显示系统。
进一步,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并均通过信号与数据存储与处理系统连接。
进一步,所述数据存储与处理系统设置有大数据存储器和处理器;所述大数据存储器和处理器均通过信号与可视媒体处理系统连接。
进一步,所述可视媒体处理系统设置有视频重适配器并通过信号与视觉媒体显示系统连接。
进一步,所述视觉媒体显示系统设置有显示终端,所述显示终端通过信号与视频重适配器连接。
进一步,所述处理器设置有数据管理模块,数据管理模块的数据管理方法包括:
接收维护更新指令;
根据所述维护更新指令获取用户身份信息以及需要维护更新的维度表的维度表信息;
根据所述维度表信息获取预先设置的维度表配置信息;其中,所述维度表配置信息中带有所述需要维护更新的维度表所在的源数据库、所述维度表需要同步的目的数据库以及维度表操作权限信息;
根据所述用户身份信息以及所述维度表操作权限信息,判断所述用户身份信息是否满足所述维度表操作权限信息;
若所述用户身份信息满足所述维度表操作权限信息,对所述需要维护更新的维度表进行更新操作;
将进行更新操作后的维度表同步到所述目的数据库;
所述维度表操作权限信息包括:具有维度表操作权限的用户身份标识;
所述判断所述用户身份信息是否满足所述维度表操作权限信息,包括:
判断所述用户身份信息是否在所述具有维度表操作权限的用户身份标识中;
所述维护更新指令为增加内容指令、更改内容指令或删除内容指令。
进一步,在对所述需要维护更新的维度表进行更新操作之前,包括:
根据所述维护更新指令,确定需要维护更新的字段,并获取到所述需要维护更新的字段标识;
根据所述字段标识以及所述维度表配置信息获取到预先设置的字段配置信息;其中,所述字段配置信息包括所述字段的字段内容排序规则、字段次序信息、字段限制条件;
若所述维护更新指令为增加内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述增加内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中增加字段内容;
根据所述字段内容排序规则,将所述字段内容进行排序;
根据所述字段次序信息,将维度表中的各个字段进行排序;
若所述维护更新指令为更改内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述更改内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中更改字段内容。
进一步,若所述维护更新指令为删除内容指令,对所述需要维护更新的维度表进行更新操作,包括:
在所述维度表中的一个或多个字段中删除字段内容;
还包括:
判断所述增加字段内容、更改字段内容或者删除字段内容之后的各字段是否满足所述字段限制条件;
若有字段不满足所述字段限制条件,生成提示信息;所述提示信息用于提示不满足所述字段限制条件的字段数,并提示不满足所述字段限制条件的字段相关信息;所述字段相关信息包括所述字段的所述字段标识或者字段名称。
进一步,所述显示终端设置有模糊度评价模块、模糊度调整模块、显示器;所述模糊度评价模块用于获取可视媒体处理系统传输的处理后的可视媒体图像,并计算滤波前后图像统计信息比值;
所述模糊度调整模块与模糊度评价模块相连,用于调整原可视媒体图像模糊度并得出最终图像和图像模糊度评价指标;
所述显示器与模糊度调整模块连接,用于显示模糊度调整模块得出的最终图像和图像模糊度评价指标。
进一步,利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为:
步骤一,图像获取,通过地质影像采集器获取待评价的地质层图像;
步骤二,图像灰度化,为方便图像的边缘提取,利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像,公式如下:
Gray=R*0.3+G*0.59+B*0.11;
步骤三,图像边缘提取,利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘,不同的检测算子具有不同的边缘检测模板,根据具体模板计算交叉像素的差分作为当前像素值,使用模板如下:
E(i,j)=|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|;
步骤四,图像处理,利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
步骤五,图像边缘统计信息计算,分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
步骤六,图像模糊度指标计算,将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
步骤七,根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为:
得出模糊度调整范围,利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像,计算出它们各自的模糊度评价值,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max];
步骤八,图像模糊度调整,若图像模糊度指标小于min,根据步骤六,判定图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;若大于max,判定图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果;
步骤九,得出最终图像和该图像模糊度评价指标,并显示在显示屏上。
进一步,滤波器处理图像不是单一方式处理整幅评价图像,而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同,根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像,然后对于边界像素采取原始像素填充的方法进行处理。
进一步,所述视觉终端感知系统设置有视觉终端感知模块,视觉终端感知模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;
然后,对量化后的信号x(i)进行降维;
最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序。
进一步,对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中b1,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦF满足RIP,并通过求解如下式最优化问题来重构原信号:
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,如图像信号的采集,则修改ΦF为如下形式:
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下式最优化问题,精确重构出原信号:
其中Φ与Ψ不相关,Ξ称为CS矩阵。
本发明具有的优点和积极效果是:该基于云计算的图形处理系统,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系统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系统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系统存储可视媒体资源;通过处理器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系统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系统进行存储;通过视觉媒体显示模块将所述可视媒体处理系统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,使得该基于云计算的图形处理系统的智能化程度高,图形处理效果好和云计算处理效果强。
本发明处理器的数据管理模块的管理方法,充分保证了数据管理的有效性和计算的准确性,为大数据存储与处理系统的智能功能进一步提供了处理能力。
本发明的图像评价不同于传统的评价方法,本发明建立在待评价图像自身结构特点基础上,从相对评价的角度出发,利用滤波器构造待评价图像的参考图像,计算变化前后图像边缘统计信息的比值作为评价指标;本发明的原理简单,实现了图像模糊度评价的内容无关性和实时性,可以快速准确评价比较任何图像之间的模糊度。从而得出清晰的图像。
本发明视觉终端感知模块的信号采集方法得到准确信号,为可视媒体资源的显示适配准确数据提供了充分保证。
附图说明
图1为本发明的基于云计算的图形处理系统结构示意图。
图中:1、视觉终端感知系统;2、大数据存储与处理系统;3、可视媒体处理系统;4、视觉媒体显示系统。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图1对本发明的结构作详细的描述。
本发明实施例提供的基于云计算的图形处理系统,包括: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的视觉终端感知系统1;
用于对所述视觉终端感知系统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的数据存储与处理系统2;
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系统感知识别的终端特征信息对可视媒体资源进行适配处理的可视媒体处理系统3;
用于将所述可视媒体处理系统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的视觉媒体显示系统4。
进一步,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并均通过信号与数据存储与处理系统连接。
进一步,所述数据存储与处理系统设置有大数据存储器和处理器;所述大数据存储器和处理器均通过信号与可视媒体处理系统连接。
进一步,所述可视媒体处理系统设置有视频重适配器并通过信号与视觉媒体显示系统连接。
进一步,所述视觉媒体显示系统设置有显示终端,所述显示终端通过信号与视频重适配器连接。
进一步,所述处理器设置有数据管理模块,数据管理模块的数据管理方法包括:
接收维护更新指令;
根据所述维护更新指令获取用户身份信息以及需要维护更新的维度表的维度表信息;
根据所述维度表信息获取预先设置的维度表配置信息;其中,所述维度表配置信息中带有所述需要维护更新的维度表所在的源数据库、所述维度表需要同步的目的数据库以及维度表操作权限信息;
根据所述用户身份信息以及所述维度表操作权限信息,判断所述用户身份信息是否满足所述维度表操作权限信息;
若所述用户身份信息满足所述维度表操作权限信息,对所述需要维护更新的维度表进行更新操作;
将进行更新操作后的维度表同步到所述目的数据库;
所述维度表操作权限信息包括:具有维度表操作权限的用户身份标识;
所述判断所述用户身份信息是否满足所述维度表操作权限信息,包括:
判断所述用户身份信息是否在所述具有维度表操作权限的用户身份标识中;
所述维护更新指令为增加内容指令、更改内容指令或删除内容指令。
进一步,在对所述需要维护更新的维度表进行更新操作之前,包括:
根据所述维护更新指令,确定需要维护更新的字段,并获取到所述需要维护更新的字段标识;
根据所述字段标识以及所述维度表配置信息获取到预先设置的字段配置信息;其中,所述字段配置信息包括所述字段的字段内容排序规则、字段次序信息、字段限制条件;
若所述维护更新指令为增加内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述增加内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中增加字段内容;
根据所述字段内容排序规则,将所述字段内容进行排序;
根据所述字段次序信息,将维度表中的各个字段进行排序;
若所述维护更新指令为更改内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述更改内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中更改字段内容。
进一步,若所述维护更新指令为删除内容指令,对所述需要维护更新的维度表进行更新操作,包括:
在所述维度表中的一个或多个字段中删除字段内容;
还包括:
判断所述增加字段内容、更改字段内容或者删除字段内容之后的各字段是否满足所述字段限制条件;
若有字段不满足所述字段限制条件,生成提示信息;所述提示信息用于提示不满足所述字段限制条件的字段数,并提示不满足所述字段限制条件的字段相关信息;所述字段相关信息包括所述字段的所述字段标识或者字段名称。
进一步,所述显示终端设置有模糊度评价模块、模糊度调整模块、显示器;所述模糊度评价模块用于获取可视媒体处理系统传输的处理后的可视媒体图像,并计算滤波前后图像统计信息比值;
所述模糊度调整模块与模糊度评价模块相连,用于调整原可视媒体图像模糊度并得出最终图像和图像模糊度评价指标;
所述显示器与模糊度调整模块连接,用于显示模糊度调整模块得出的最终图像和图像模糊度评价指标。
进一步,利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为:
步骤一,图像获取,通过地质影像采集器获取待评价的地质层图像;
步骤二,图像灰度化,为方便图像的边缘提取,利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像,公式如下:
Gray=R*0.3+G*0.59+B*0.11;
步骤三,图像边缘提取,利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘,不同的检测算子具有不同的边缘检测模板,根据具体模板计算交叉像素的差分作为当前像素值,使用模板如下:
E(i,j)=|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|;
步骤四,图像处理,利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
步骤五,图像边缘统计信息计算,分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
步骤六,图像模糊度指标计算,将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
步骤七,根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为:
得出模糊度调整范围,利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像,计算出它们各自的模糊度评价值,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max];
步骤八,图像模糊度调整,若图像模糊度指标小于min,根据步骤六,判定图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;若大于max,判定图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果;
步骤九,得出最终图像和该图像模糊度评价指标,并显示在显示屏上。
进一步,滤波器处理图像不是单一方式处理整幅评价图像,而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同,根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像,然后对于边界像素采取原始像素填充的方法进行处理。
进一步,所述视觉终端感知系统设置有视觉终端感知模块,视觉终端感知模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;
然后,对量化后的信号x(i)进行降维;
最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序。
进一步,对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中b1,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦF满足RIP,并通过求解如下式最优化问题来重构原信号:
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,如图像信号的采集,则修改ΦF为如下形式:
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下式最优化问题,精确重构出原信号:
其中Φ与Ψ不相关,Ξ称为CS矩阵。
下面结合基于云计算的图形处理系统的处理方法对本发明的结构作进一步描述。
首先,视觉终端感知系统,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,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;
其次,大数据存储与处理系统,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,并且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;
然后,可视媒体处理系统,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,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;
最后,视觉媒体显示系统,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。
下面结合工作原理对本发明的应用作进一步描述。
本发明是实例提供的基于云计算的图形处理系统,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,使得该基于云计算的图形处理系统的智能化程度高,图形处理效果好和云计算处理效果强。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于云计算的图形处理系统,其特征在于,所述基于云计算的图形处理系统包括:
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的视觉终端感知系统;
用于对所述视觉终端感知系统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的数据存储与处理系统;
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系统感知识别的终端特征信息对可视媒体资源进行适配处理的可视媒体处理系统;
用于将所述可视媒体处理系统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的视觉媒体显示系统;
视觉终端感知系统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并均通过信号与数据存储与处理系统连接;
所述数据存储与处理系统设置有大数据存储器和处理器;所述大数据存储器和处理器均通过信号与可视媒体处理系统连接;
所述可视媒体处理系统设置有视频重适配器并通过信号与视觉媒体显示系统连接;
所述视觉媒体显示系统设置有显示终端,所述显示终端通过信号与视频重适配器连接;
所述显示终端设置有模糊度评价模块、模糊度调整模块、显示器;所述模糊度评价模块用于获取可视媒体处理系统传输的处理后的可视媒体图像,并计算滤波前后图像统计信息比值;
所述模糊度调整模块与模糊度评价模块相连,用于调整原可视媒体图像模糊度并得出最终图像和图像模糊度评价指标;
所述显示器与模糊度调整模块连接,用于显示模糊度调整模块得出的最终图像和图像模糊度评价指标;
利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为:
步骤一,图像获取,通过地质影像采集器获取待评价的地质层图像;
步骤二,图像灰度化,为方便图像的边缘提取,利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像,公式如下:
Gray=R*0.3+G*0.59+B*0.11;
步骤三,图像边缘提取,利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘,不同的检测算子具有不同的边缘检测模板,根据具体模板计算交叉像素的差分作为当前像素值,使用模板如下:
E(i,j)=|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|;
步骤四,图像处理,利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
步骤五,图像边缘统计信息计算,分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
步骤六,图像模糊度指标计算,将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
步骤七,根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为:
得出模糊度调整范围,利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像,计算出它们各自的模糊度评价值,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max];
步骤八,图像模糊度调整,若图像模糊度指标小于min,根据步骤六,判定图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;若大于max,判定图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果;
步骤九,得出最终图像和该图像模糊度评价指标,并显示在显示屏上;
所述视觉终端感知系统设置有视觉终端感知模块,视觉终端感知模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;
然后,对量化后的信号x(i)进行降维;
最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序;
对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中b1,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦF满足RIP,并通过求解如下式最优化问题来重构原信号:
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,修改ΦF为如下形式:
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下式最优化问题,精确重构出原信号:
其中Φ与Ψ不相关,Ξ称为CS矩阵。
2.如权利要求1所述的基于云计算的图形处理系统,其特征在于,所述处理器设置有数据管理模块,数据管理模块的数据管理方法包括:
接收维护更新指令;
根据所述维护更新指令获取用户身份信息以及需要维护更新的维度表的维度表信息;
根据所述维度表信息获取预先设置的维度表配置信息;其中,所述维度表配置信息中带有所述需要维护更新的维度表所在的源数据库、所述维度表需要同步的目的数据库以及维度表操作权限信息;
根据所述用户身份信息以及所述维度表操作权限信息,判断所述用户身份信息是否满足所述维度表操作权限信息;
若所述用户身份信息满足所述维度表操作权限信息,对所述需要维护更新的维度表进行更新操作;
将进行更新操作后的维度表同步到所述目的数据库;
所述维度表操作权限信息包括:具有维度表操作权限的用户身份标识;
所述判断所述用户身份信息是否满足所述维度表操作权限信息,包括:
判断所述用户身份信息是否在所述具有维度表操作权限的用户身份标识中;
所述维护更新指令为增加内容指令、更改内容指令或删除内容指令。
3.如权利要求2所述的基于云计算的图形处理系统,其特征在于,在对所述需要维护更新的维度表进行更新操作之前,包括:
根据所述维护更新指令,确定需要维护更新的字段,并获取到所述需要维护更新的字段标识;
根据所述字段标识以及所述维度表配置信息获取到预先设置的字段配置信息;其中,所述字段配置信息包括所述字段的字段内容排序规则、字段次序信息、字段限制条件;
若所述维护更新指令为增加内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述增加内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中增加字段内容;
根据所述字段内容排序规则,将所述字段内容进行排序;
根据所述字段次序信息,将维度表中的各个字段进行排序;
若所述维护更新指令为更改内容指令,所述对所述需要维护更新的维度表进行更新操作,包括:
获取所述更改内容指令对应的批量数据内容;
根据所述批量数据内容,在所述维度表中的一个或多个字段中更改字段内容。
4.如权利要求3所述的基于云计算的图形处理系统,其特征在于,若所述维护更新指令为删除内容指令,对所述需要维护更新的维度表进行更新操作,包括:
在所述维度表中的一个或多个字段中删除字段内容;
还包括:
判断所述增加字段内容、更改字段内容或者删除字段内容之后的各字段是否满足所述字段限制条件;
若有字段不满足所述字段限制条件,生成提示信息;所述提示信息用于提示不满足所述字段限制条件的字段数,并提示不满足所述字段限制条件的字段相关信息;所述字段相关信息包括所述字段的所述字段标识或者字段名称。
5.如权利要求1所述的基于云计算的图形处理系统,其特征在于,滤波器处理图像不是单一方式处理整幅评价图像,而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同,根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像,然后对于边界像素采取原始像素填充的方法进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611131890.5A CN106651741B (zh) | 2016-12-09 | 2016-12-09 | 一种基于云计算的图形处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611131890.5A CN106651741B (zh) | 2016-12-09 | 2016-12-09 | 一种基于云计算的图形处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651741A CN106651741A (zh) | 2017-05-10 |
CN106651741B true CN106651741B (zh) | 2019-12-13 |
Family
ID=58824938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611131890.5A Expired - Fee Related CN106651741B (zh) | 2016-12-09 | 2016-12-09 | 一种基于云计算的图形处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651741B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986054A (zh) * | 2017-05-31 | 2018-12-11 | 阜阳师范学院 | 一种基于互联网的动物繁殖监测控制系统 |
CN107273982A (zh) * | 2017-06-19 | 2017-10-20 | 武汉洁美雅科技有限公司 | 一种智能楼层集中餐厨垃圾处理控制系统 |
CN107273070A (zh) * | 2017-07-26 | 2017-10-20 | 湖北师范大学 | 一种智能市场营销账单条形码打印管理控制系统 |
CN109949432A (zh) * | 2019-03-01 | 2019-06-28 | 北华大学 | 一种基于射频技术的学生专用电子考勤系统及方法 |
CN110505529A (zh) * | 2019-08-16 | 2019-11-26 | 上海掌学教育科技有限公司 | 课件同步显示方法、装置、后台服务器、介质及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102437948A (zh) * | 2011-07-29 | 2012-05-02 | 中山大学 | 一种网络海量可视媒体智能处理系统及方法 |
CN103179165A (zh) * | 2011-12-26 | 2013-06-26 | 深圳光启高等理工研究院 | 云计算的方法、系统及负载均衡服务器 |
CN104731784A (zh) * | 2013-12-18 | 2015-06-24 | 中兴通讯股份有限公司 | 视觉搜索方法、系统以及移动终端 |
CN105607886A (zh) * | 2015-12-28 | 2016-05-25 | 陈强 | 一种基于物联网的教育云视频数据显示处理系统及方法 |
CN106203165A (zh) * | 2016-07-01 | 2016-12-07 | 何钟柱 | 基于可信云计算的信息大数据分析支撑方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9805439B2 (en) * | 2012-05-02 | 2017-10-31 | Nvidia Corporation | Memory space mapping techniques for server based graphics processing |
-
2016
- 2016-12-09 CN CN201611131890.5A patent/CN106651741B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102437948A (zh) * | 2011-07-29 | 2012-05-02 | 中山大学 | 一种网络海量可视媒体智能处理系统及方法 |
CN103179165A (zh) * | 2011-12-26 | 2013-06-26 | 深圳光启高等理工研究院 | 云计算的方法、系统及负载均衡服务器 |
CN104731784A (zh) * | 2013-12-18 | 2015-06-24 | 中兴通讯股份有限公司 | 视觉搜索方法、系统以及移动终端 |
CN105607886A (zh) * | 2015-12-28 | 2016-05-25 | 陈强 | 一种基于物联网的教育云视频数据显示处理系统及方法 |
CN106203165A (zh) * | 2016-07-01 | 2016-12-07 | 何钟柱 | 基于可信云计算的信息大数据分析支撑方法 |
Non-Patent Citations (3)
Title |
---|
Cloud and Mobile Web-Based Graphics and Visualization;Haim Levkowitz 等;《2012 25th SIBGRAPI Conference on Graphics, Patterns and Images Tutorials》;20120825;第21-35页 * |
基于云计算的数字图像处理平台;金伟;《中国优秀硕士学问论文全文数据库》;20120715;第I138-2056页 * |
模糊PID控制器在氟气加气站压力控制系统中的应用;韦兴平;《中国优秀硕士学位论文全文数据库》;20080815;第C042-92页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106651741A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651741B (zh) | 一种基于云计算的图形处理系统 | |
CN107330439B (zh) | 一种图像中物体姿态的确定方法、客户端及服务器 | |
CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
CN108564085B (zh) | 一种自动读取指针式仪表读数的方法 | |
CN111523398A (zh) | 一种融合2d人脸检测和3d人脸识别的方法及装置 | |
CN110956581B (zh) | 一种基于双通道生成-融合网络的图像模态变换方法 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
WO2023160312A1 (zh) | 基于自监督学习的行人重识别方法、装置、设备及存储介质 | |
CN102341825A (zh) | 图像的多模式色调映射 | |
CN111462120A (zh) | 一种基于语义分割模型缺陷检测方法、装置、介质及设备 | |
CN107610093B (zh) | 基于相似性特征融合的全参考型图像质量评价方法 | |
CN114120176B (zh) | 远红外与可见光视频图像融合的行为分析方法 | |
CN103310468A (zh) | 色距测量装置、色距测量方法和程序 | |
CN113592839B (zh) | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 | |
CN112703532A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN104574363A (zh) | 一种考虑梯度方向差异的全参考图像质量评价方法 | |
CN108052918A (zh) | 一种笔迹比对系统及方法 | |
CN103313068A (zh) | 基于灰边缘约束灰世界的白平衡校正图像处理方法及装置 | |
CN108682021B (zh) | 快速手部跟踪方法、装置、终端及存储介质 | |
CN109241932B (zh) | 一种基于运动方差图相位特征的热红外人体动作识别方法 | |
WO2020087434A1 (zh) | 一种人脸图像清晰度评价方法及装置 | |
CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
CN116912645A (zh) | 融合纹理和几何特征的三维目标检测方法及装置 | |
CN116758419A (zh) | 针对遥感图像的多尺度目标检测方法、装置和设备 | |
JP2015041293A (ja) | 画像認識装置および画像認識方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191213 Termination date: 20201209 |
|
CF01 | Termination of patent right due to non-payment of annual fee |