劉文林

（南昌職業(yè)大學(xué) 信息技術(shù)學(xué)院，南昌 330500）

海量圖像在存儲(chǔ)時(shí)對(duì)于服務(wù)器或者存儲(chǔ)終端的性能需求較高，需保證海量圖像存儲(chǔ)安全的同時(shí)，降低其內(nèi)存占用率[1]，避免占用過多內(nèi)存，影響存儲(chǔ)終端的運(yùn)行性能；同時(shí)在海量圖像搜索所需圖像的耗時(shí)較大[2]。常見的圖像存儲(chǔ)方法有分布式存儲(chǔ)、邊緣存儲(chǔ)以及備份存儲(chǔ)等，這些方法均可完成圖像信息存儲(chǔ)，但會(huì)發(fā)生圖像信息分散、質(zhì)量受損等情況。為保證海量圖像信息的存儲(chǔ)效果，文獻(xiàn)[3]主要以降低海量圖像存儲(chǔ)內(nèi)存占用率為核心目標(biāo)，采用分形編碼和LIC 混沌系統(tǒng)完成海量圖像的壓縮處理，實(shí)現(xiàn)海量圖像的壓縮存儲(chǔ)；但是該方法在應(yīng)用過程中，會(huì)降低圖像質(zhì)量；文獻(xiàn)[4]主要以實(shí)現(xiàn)圖像分類存儲(chǔ)，提升圖像存儲(chǔ)后的搜索效率為目的，利用密度劃分算法，進(jìn)行圖像聚類，并按照?qǐng)D像類別完成存儲(chǔ)；但是該方法在應(yīng)用過程中，無法解決內(nèi)存占用率較大問題。數(shù)字技術(shù)指的是利用計(jì)算機(jī)等相關(guān)技術(shù)對(duì)圖像、文字或者視頻影像等信息進(jìn)行編碼、壓縮等處理，同時(shí)能夠完成信息的運(yùn)算、加工、存儲(chǔ)、傳送或者還原等。本文為實(shí)現(xiàn)海量圖像存儲(chǔ)，以多云架構(gòu)為支撐，并引入數(shù)字技術(shù)設(shè)計(jì)數(shù)字技術(shù)支持下的海量圖像信息多云存儲(chǔ)平臺(tái)。

1 海量圖像信息多云存儲(chǔ)平臺(tái)

1.1 平臺(tái)總體架構(gòu)

多云存儲(chǔ)指的是整合多個(gè)內(nèi)部或者外部的云存儲(chǔ)服務(wù)組成的多云架構(gòu)[5]，通過該結(jié)構(gòu)協(xié)同完成相關(guān)服務(wù)。本文為實(shí)現(xiàn)海量圖像的可靠存儲(chǔ)，文中采用多云架構(gòu)為支撐，結(jié)合數(shù)字技術(shù)，設(shè)計(jì)數(shù)字技術(shù)支持下的海量圖像信息多云存儲(chǔ)平臺(tái)。通過該平臺(tái)解決海量圖像存儲(chǔ)內(nèi)存占用過大情況，并保證圖像存儲(chǔ)安全性。該平臺(tái)架構(gòu)如圖1 所示。平臺(tái)整體分為多云存儲(chǔ)模塊和本地應(yīng)用模塊。

圖1 基于多云架構(gòu)的海量圖像存儲(chǔ)平臺(tái)Fig.1 Massive image storage platform based on multi-cloud architecture

（1）多云模塊：該模塊利用REST 原則實(shí)現(xiàn)Google Cloud、Amazon S3、Microsoft Azure 等組成的多云架構(gòu)。每種云服務(wù)提供的服務(wù)接口存在差異，為保證多云服務(wù)之間的協(xié)同調(diào)用效果和效率，結(jié)合各個(gè)云服務(wù)的公共API 獲取一個(gè)抽象基類，所有云服務(wù)則繼承這個(gè)基類，以此實(shí)現(xiàn)多云的協(xié)同服務(wù)，將各個(gè)網(wǎng)絡(luò)平臺(tái)中海量圖像信息均遷移至多云架構(gòu)中，為本地用戶提供所需的圖像信息；同時(shí)存儲(chǔ)本文服務(wù)器上傳的海量圖像。

（2）本地應(yīng)用模塊：該模塊在多云模塊客戶端的控制下，實(shí)現(xiàn)本地服務(wù)器和多云模塊之間通信，調(diào)用多云模塊中的海量圖像對(duì)其進(jìn)行加密和壓縮處理后，在進(jìn)行圖像上傳存儲(chǔ)過程中，降低海量圖像對(duì)云服務(wù)器或者本地服務(wù)器內(nèi)存占用率，并且能夠通過篩選機(jī)制，精準(zhǔn)獲取所需的圖像信息。

1.2 多云模塊設(shè)計(jì)

1.2.1 多云模塊結(jié)構(gòu)

多云模塊是系統(tǒng)的重要模塊，其主要是實(shí)現(xiàn)海量圖像信息的存儲(chǔ)，在存儲(chǔ)過程中，為保證存儲(chǔ)圖像信息的存儲(chǔ)效果和存儲(chǔ)安全，設(shè)計(jì)多云模塊結(jié)構(gòu)，該模塊整體包含5 個(gè)部分：客戶端、第三方驗(yàn)證、云服務(wù)器、交互界面、私鑰產(chǎn)生器。該模塊的結(jié)構(gòu)如圖2 所示。

圖2 多云模塊結(jié)構(gòu)Fig.2 Cloudy module structure

（1）客戶機(jī)：該部分主要是將海量圖像數(shù)據(jù)的擁有者，可將海量圖像數(shù)據(jù)上傳至云服務(wù)器中，也可將云服務(wù)器中的海量圖像信息下載或者調(diào)用至本文服務(wù)器中。

（2）第三方驗(yàn)證：該部分屬于一個(gè)獨(dú)立可信的云服務(wù)提供，其主要作用是為海量圖像存儲(chǔ)提供數(shù)據(jù)服務(wù)或者公開驗(yàn)證服務(wù)，保證海量圖像的存儲(chǔ)效果。

（3）云服務(wù)器：該服務(wù)器主要是由多個(gè)用于海量圖像存儲(chǔ)服務(wù)器組成，為用戶提供可靠的存儲(chǔ)服務(wù)。

（4）交互界面：該部分作為客戶機(jī)和云存儲(chǔ)服務(wù)之間的交互界面，是呈現(xiàn)海量圖像存儲(chǔ)結(jié)果?？蛻魴C(jī)向交互界面下達(dá)存儲(chǔ)請(qǐng)求，交互界面接受請(qǐng)求后，將數(shù)據(jù)分發(fā)給云服務(wù)器中；同時(shí)交互界面能夠接受第三方驗(yàn)證服務(wù)。

（5）私鑰產(chǎn)生器：該部分的主要作用是保證海量圖像的存儲(chǔ)安全，其是根據(jù)用戶的身份標(biāo)識(shí)生成對(duì)應(yīng)的私鑰實(shí)體，保證用戶的圖像存儲(chǔ)服務(wù)。

1.2.2 海量圖像多云存儲(chǔ)均衡分流

云模塊需對(duì)待存儲(chǔ)的海量圖像進(jìn)行均衡分流，主要采用K 均值聚類算法計(jì)算海量圖像的初始聚類中心。并完成圖像信息分流階段聚類中心的更新，以此實(shí)現(xiàn)海量圖像的分類存儲(chǔ)，實(shí)現(xiàn)去均衡分流，保證存儲(chǔ)效率。海量圖像信息具有高維特點(diǎn)，圖像信息的特征組成的聚類中心數(shù)據(jù)為l，初始聚類中心數(shù)量為p，圖像信息類別數(shù)量為L，圖像信息特征和其誤差方差分別為y 和F，待分流存儲(chǔ)的海量圖像信息特征集為Dj，對(duì)Dj進(jìn)行均值化處理，可獲取結(jié)果，此時(shí)圖像信息特征類別計(jì)算公式為

已經(jīng)劃分至不同類別的圖像信息特征集合用Th（h=1，2，…，l）表示，其聚類中心為Dh，則T=｛Y｝，如果任意2 個(gè)圖像特征分別為Y 和Z，2 個(gè)特征間的歐式距離為d（Y，Z）。設(shè)定TDq=｛Dh｝，表示初始聚類中心，將海量圖像特征劃分至l 個(gè)聚類中心中，其計(jì)算公式為

式中：g=1，2，…，l；Dg表示第g 個(gè)聚類中心。

對(duì)聚類獲取的圖像特征進(jìn)行迭代處理，以此生成新的數(shù)據(jù)特征聚類中心，用TDq+1表示；如果q=0，聚類中心用TD0表示；計(jì)算所有待存儲(chǔ)圖像特征聚類中心，以此完成聚類中心的更新，并采用F 作為圖像分流存儲(chǔ)的判斷標(biāo)準(zhǔn)，如果F 的結(jié)果較大，則取法滿足分流存儲(chǔ)標(biāo)準(zhǔn)，則重新進(jìn)行的圖像特征進(jìn)行迭代處理，并執(zhí)行后續(xù)操作；如果滿足分流存儲(chǔ)，則獲取圖像的分流存儲(chǔ)結(jié)果。

1.3 多目標(biāo)數(shù)字水印技術(shù)加密

1.3.1 多目標(biāo)加密數(shù)字水印技術(shù)結(jié)構(gòu)

本地應(yīng)用模塊在進(jìn)行海量圖像上傳存儲(chǔ)過程中，均需保證圖像的完整性，因此，應(yīng)用模塊均在本地服務(wù)器中設(shè)置數(shù)字水印嵌入端口，該端口主要依據(jù)數(shù)字加密技術(shù)對(duì)海量圖像進(jìn)行加密，該技術(shù)能夠滿足多目標(biāo)的加密需求。該技術(shù)的整體結(jié)構(gòu)如圖3所示。數(shù)字水印技術(shù)在進(jìn)行海量圖像加密過程中，是以圖像的幀數(shù)變化情況設(shè)計(jì)加密階層數(shù)量，各個(gè)階層均按照加密標(biāo)準(zhǔn)完成圖像加密；同時(shí)在初始加密時(shí)，需設(shè)定動(dòng)態(tài)加密序列，以此保證加密體系的穩(wěn)定；最終采用數(shù)字水印技術(shù)生成圖像加密目標(biāo)。

圖3 多目標(biāo)加密數(shù)字水印技術(shù)結(jié)構(gòu)Fig.3 Structure of multi-target encrypted digital watermarking technology

1.3.2 加密圖像灰度處理

在加密過程中，密鑰分為公鑰和私鑰，并且其加密范圍存在一定局限性，因此密鑰在設(shè)定時(shí)，需充分結(jié)合保護(hù)需求以雙向保護(hù)加密為目標(biāo)，設(shè)定加密層級(jí)；同時(shí)需保證其和初始設(shè)定的加密標(biāo)準(zhǔn)一致，以此逐步增加加密范圍，保證多目標(biāo)的加密效果。在加密過程中，為提升海量圖像加密的穩(wěn)定性，可對(duì)圖像的像素值進(jìn)行轉(zhuǎn)換，文中主要采用圖像灰度處理方法完成。在圖像中選擇一個(gè)位置，將該位置定義為測定的主要目標(biāo)，并采用隨機(jī)的方式在該位置上設(shè)定控制監(jiān)測節(jié)點(diǎn)，將其和數(shù)字水印技術(shù)相結(jié)合，形成關(guān)聯(lián)搭接，此時(shí)計(jì)算圖像的灰度值，其計(jì)算公式為

式中：Y 表示圖像灰度值；ω 表示分解范圍；ξ 表示堆疊范圍；W 表示圖像重構(gòu)次數(shù)；ε 表示設(shè)定的加密偏差。

將上述計(jì)算結(jié)果和數(shù)字水印技術(shù)相結(jié)合，可進(jìn)一步提升圖像加密的完整性。

1.4 圖像無損壓縮方法

圖像加密完成后，為降低海量圖像的內(nèi)存占用率，文中采用數(shù)字技術(shù)中的數(shù)據(jù)壓縮方法對(duì)海量圖像進(jìn)行無損壓縮編碼。整個(gè)壓縮結(jié)構(gòu)如圖4 所示。

圖4 海量圖像無損壓縮結(jié)構(gòu)Fig.4 Lossless compression structure of massive images

在整個(gè)壓縮過程中，需結(jié)合小波變換算法完成，通過小波變換對(duì)海量圖像進(jìn)行無損壓縮編碼，在壓縮前需先完成圖像分解，其計(jì)算公式為

式中：a0和b0均表示參數(shù)；m、n 均表示離散值；x 表示圖像積分函數(shù)信號(hào)。

圖像分解后，確定此時(shí)的二維小波，其計(jì)算公式為

式中：bx和by均表示圖像的維度平移，其中x 和y 表示平移量。

對(duì)壓縮后的圖像信號(hào)進(jìn)行空間域處理，以此保證圖像的二維變換效果，利用小波點(diǎn)提升生成雙正交波算法，以此對(duì)圖像分解信號(hào)進(jìn)行預(yù)測和更新，完成圖像壓縮。

2 測試結(jié)果與分析

以某廣告企業(yè)在運(yùn)營過程中需要海量圖像作為實(shí)例研究對(duì)象，該企業(yè)擁有企業(yè)云UniCloud，采用該企業(yè)云完成Google Cloud、Amazon S3、Windows Azure 和百度云共4 個(gè)云服務(wù)，構(gòu)建多云架構(gòu)，用于實(shí)現(xiàn)海量圖像存儲(chǔ)。該企業(yè)共有數(shù)10 臺(tái)本地服務(wù)器，本文僅選擇其中的5 臺(tái)作為測試使用，每臺(tái)服務(wù)器內(nèi)的功能軟件清單以及服務(wù)器的功能參數(shù)詳情如表1 所示。

表1 功能軟件清單以及服務(wù)器的功能參數(shù)詳情Tab.1 List of functional software and details of functional parameters of the server

為驗(yàn)證本文平臺(tái)的海量圖像均衡分流效果，以數(shù)據(jù)流標(biāo)準(zhǔn)方差作為評(píng)價(jià)指標(biāo)，其主要用于衡量海量圖像分流存儲(chǔ)的穩(wěn)定性，值越大表示穩(wěn)定性越差。對(duì)于不同維度圖像進(jìn)行均衡分流存儲(chǔ)后，數(shù)據(jù)流標(biāo)準(zhǔn)方差如圖5 所示。依據(jù)圖5 可知，隨著存儲(chǔ)圖像的數(shù)量的不斷增加，本文平臺(tái)分流處理后數(shù)據(jù)流標(biāo)準(zhǔn)方差在0.27 以下，分流存儲(chǔ)的均衡能力較好。

圖5 海量圖像分流存儲(chǔ)的穩(wěn)定性測試結(jié)果Fig.5 Stability test results of massive image shunt storage

為驗(yàn)證本文平臺(tái)的海量圖像多云存儲(chǔ)效果，以內(nèi)存占用率和多云服務(wù)器的負(fù)載均衡度作為評(píng)價(jià)指標(biāo)，本文平臺(tái)在進(jìn)行不同大小圖像存儲(chǔ)時(shí)，內(nèi)存占用率和負(fù)載均衡度的計(jì)算結(jié)果如圖6 所示。依據(jù)圖6 可知，隨著存儲(chǔ)圖像大小增加，采用本文平臺(tái)，圖像存儲(chǔ)內(nèi)存占用率在22.6%以下，因此可顯著降低海量圖像存儲(chǔ)后的內(nèi)存占用率；負(fù)載均衡度均在94.1%以上，可極大程度保證海量圖像存儲(chǔ)的均衡性。

圖6 海量圖像多云存儲(chǔ)效果Fig.6 Multi-cloud storage effect of massive images

為進(jìn)一步驗(yàn)證本文平臺(tái)的海量圖像存儲(chǔ)效果，文中隨機(jī)選擇海量圖像壓縮存儲(chǔ)后，圖像原始圖像和存儲(chǔ)圖像結(jié)果，如圖7 所示。由于篇幅有限，結(jié)果僅隨機(jī)呈現(xiàn)一幅圖像的測試結(jié)果。依據(jù)圖7 測試結(jié)果可知，采用本文平臺(tái)進(jìn)行海量圖像壓縮存儲(chǔ)后，存儲(chǔ)壓縮后的圖像質(zhì)量和存儲(chǔ)前原始圖像質(zhì)量一致，能夠保證圖像質(zhì)量不會(huì)發(fā)生損壞，因此，本文平臺(tái)具有較好的海量圖像存儲(chǔ)能力。

圖7 圖像壓縮存儲(chǔ)測試結(jié)果Fig.7 Image compression and storage test results

3 結(jié)語

隨著圖像的不斷增加，海量圖像的存儲(chǔ)成為首要解決的問題，即為在保證圖像無損且內(nèi)存占用率最小的情況下，實(shí)現(xiàn)海量圖像信息存儲(chǔ)，因此，設(shè)計(jì)數(shù)字技術(shù)支持下的海量圖像信息多云存儲(chǔ)平臺(tái)，并對(duì)該平臺(tái)的應(yīng)用效果進(jìn)行相關(guān)測試。測試結(jié)果顯示，本文平臺(tái)具有較好的應(yīng)用性能，其能夠均衡實(shí)現(xiàn)海量圖像分流存儲(chǔ)，并且存儲(chǔ)效果良好，可降低海量圖像存儲(chǔ)時(shí)內(nèi)存占用率，并且保證壓縮存儲(chǔ)后的圖像質(zhì)量。