CN116992064A - Gpgpu信息存储***及方法 - Google Patents
Gpgpu信息存储***及方法 Download PDFInfo
- Publication number
- CN116992064A CN116992064A CN202310666533.2A CN202310666533A CN116992064A CN 116992064 A CN116992064 A CN 116992064A CN 202310666533 A CN202310666533 A CN 202310666533A CN 116992064 A CN116992064 A CN 116992064A
- Authority
- CN
- China
- Prior art keywords
- information
- gpgpu
- unit
- image
- storage
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 45
- 230000010365 information processing Effects 0.000 claims abstract description 32
- 230000010354 integration Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 16
- 238000013139 quantization Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 101000695861 Arabidopsis thaliana Brefeldin A-inhibited guanine nucleotide-exchange protein 5 Proteins 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241001504519 Papio ursinus Species 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了信息存储技术领域的GPGPU信息存储***及方法,包括信息端和存储端,所述控制单元和信息端之间通过信息传输单元进行信号连接,所述信息传输单元还包括一个加密单元,所述信息端包括多个物理信息连接口和多个信息端,多个所述物理信息连接口和多个信息端均为信息输入端,所述信息端还包括一个信息输出端,所述信息输出端与信息传输单元信号连接,所述控制单元包括一个信息存储单元和一个信息处理单元,其中,信息存储单元还包括一个信息调取单元,所述信息存储单元包括多个物理信息存储组件。本发明的有益效果是:图像信息进行存储时,通过对图像信息编码、解码减少图像信息所占用的存储空间,从而提高图像信息存储的效率。
Description
技术领域
本发明涉及信息存储技术领域,具体是GPGPU信息存储***及方法。
背景技术
随着计算机内信息量的不断增加,直连式的本地存储***已无法满足业务数据的海量增长,搭建共享的存储架构,实现数据的统一存储、管理和应用已经成为一个行业的发展趋势,而虚拟存储技术正逐步成为共享存储管理的主流技术。存储虚拟化技术将不同接口协议的物理存储设备整合成一个虚拟存储池,根据需要为主机创建并提供等效于本地逻辑设备的虚拟存储卷。
使用虚拟存储技术可以实现存储管理的自动化与智能化:在虚拟存储环境下,所有的存储资源在逻辑上被映射为一个整体,对用户来说是单一视图的透明存储,信息网络中心***管理员只须专注于管理存储空间本身,所有的存储管理操作,如***升级、改变RAID级别、初始化逻辑卷、建立和分配虚拟磁盘、存储空间扩容等常用操作都比从前更加容易。
在实际信息存储***对信息进行存储时,通过对信息整合、分类可有效节省物理存储设备的存储空间,从而提高信息存储效率,而对于大量的图像信息存储时,因图像信息所占存储空间较大,导致在大量的图像信息存储时,任然会造成对物理存储设备存储空间的占用,降低图像信息存储效率。因此,本申请提出GPGPU信息存储***及方法。
发明内容
本发明的目的在于提供GPGPU信息存储***及方法,对图像信息进行存储时,通过对图像信息编码、解码减少图像信息所占用的存储空间,从而提高图像信息存储的效率,同时,在对图像信息进行存储时,根据图像信息内容整理,对图像编码信息进行分类存储,提高图像信息调取效率,提高图像存储信息的调取效率,以解决上述提出的在实际信息存储***对信息进行存储时,通过对信息整合、分类可有效节省物理存储设备的存储空间,从而提高信息存储效率,而对于大量的图像信息存储时,因图像信息所占存储空间较大,导致在大量的图像信息存储时,任然会造成对物理存储设备存储空间的占用,降低图像信息存储效率问题。
为实现上述目的,本发明提供如下技术方案:GPGPU信息存储***,包括信息端和存储端,所述控制单元和信息端之间通过信息传输单元进行信号连接,所述信息传输单元还包括一个加密单元,所述信息端包括多个物理信息连接口和多个信息端,多个所述物理信息连接口和多个信息端均为信息输入端,所述信息端还包括一个信息输出端,所述信息输出端与信息传输单元信号连接,所述控制单元包括一个信息存储单元和一个信息处理单元,其中,信息存储单元还包括一个信息调取单元,所述信息存储单元包括多个物理信息存储组件。
作为本发明进一步的方案:所述主控中心配置为存储***控制端,所述加密单元配置为信息加密和解密端,所述加密单元的加密端设置为信息传输单元前端,当所述信息端通过信息输入端和驱动连接端口将GPGPU信息进行收集后,对收集的GPGPU信息进行加密,并将加密后的信息传输至信息传输单元。
作为本发明再进一步的方案:所述信息传输单元包括有线信息传输和无线信息传输,当所述信息传输单元接收到加密后的GPGPU信息数据后,通过有线信息传输和无线信息传输将信息传输至信息处理单元,其中所述加密单元的解密端配置为信息处理单元的前置处理端,当所述信息传输单元将加密后的GPGPU数据信息传输至信息处理端后,通过加密单元的解密端将信息进行解密,并将解密后的GPGPU信息输出传输至信息处理单元内。
作为本发明再进一步的方案:所述信息传输单元接收到信息后,根据GPGPU信息内容对信息进行整合,并根据整合结果对GPGPU信息进行分类,当所述信息处理单元对GPGPU信息进行分类时,包括图像色彩特征分类、图像纹理特征分类、图像形状特征分类和图像空间关系特征分类。
作为本发明再进一步的方案:当所述信息处理单元完成对GPGPU信息整合分类后,将信息传输至信息存储单元内,通过信息存储单元对整合后的GPGPU信息进行分类存储,当需要对存储的GPGPU信息进行调取时,通过调取单元对信息存储单元内存储的GPGPU信息进行调取,并完成解码输出。
作为本发明再进一步的方案:在所述信息存储单元对GPGPU信息进行存储时,会将信息处理单元传输后的GPGPU信息进行编码,当所述信息调取单元对GPGPU信息调取时,通过信息存储单元对存储的GPGPU信息进行解码后进行输出。
GPGPU信息存储方法:
S100:对图像信息进行收集;
S200:对收集的信息进行加密,并传输到信息处理单元;
S300:通过信息处理单元对图像信息进行整合,并根据整合结果对信息进行分类;
S400:根据分类信息对图像进行存储;
S500:根据需要调取的图像信息进行关键词检索,并根据检索结果调取存储的图像信息,完成解码后输出图像。
与现有技术相比,本发明的有益效果是:
1、本发明中:图像信息进行存储时,通过对图像信息编码、解码减少图像信息所占用的存储空间,从而提高图像信息存储的效率。
2、本发明中:在对图像信息进行存储时,根据图像信息内容整理,对图像编码信息进行分类存储,提高图像信息调取效率,提高图像存储信息的调取效率。
附图说明
图1为本发明的***配置结构示意图;
图2为本发明的***结构示意图;
图3为本发明的方法结构示意图;
图4为本发明中信息存储单元的工作流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
信息的存储是信息在时间域传输的基础,也是信息得以进一步综合、加工、积累和再生的基础,在人类和社会发展中有重要意义。造纸术、印刷术、摄影、摄像技术、录音、录像技术以及磁盘、磁带、光盘等都是信息存储驱动而产生的技术。这些人造的信息存储技术与设备不仅在存储容量、存取速度方面有可能扩张人脑的存储能力,而且还有更重要的含义:一是它们把人主观认识世界的信息迁移到客观世界的存储介质中,可以不受人死亡的限制而一代一代传下去;二是它们脱离了个人大脑的局限可成为人类社会共享的知识,成为社会的人与人之间进行信息交流的重要媒介。
信息储存是信息***的重要方面,方便于充分利用已收集、加工所得信息,保证随用随取,为单位信息的多功能利用创造条件。但信息收集、加工、存储需要耗资、耗人、耗物。
使用虚拟存储技术可以极大地提高存储使用率:以前困扰信息网络中心的最大问题就是物理存储设备的使用效率不高,以传统磁盘存储为例,一些主机的磁盘容量利用率不高。而一些主机空间却经常不足,致使客户不得不购买超过实际数据量较多的磁盘空间,从而造成存储空间资源的浪费。虚拟化存储技术解决了这种存储空间使用上的浪费,把***中各个分散的存储空间整合起来,按需分配磁盘空间,客户可以充分使用磁盘容量,从而极大提高存储资源的利用率。
请参阅图1~4,本发明实施例中,GPGPU信息存储***,包括信息端和存储端,控制单元和信息端之间通过信息传输单元进行信号连接,信息传输单元还包括一个加密单元,信息端包括多个物理信息连接口和多个信息端,多个物理信息连接口和多个信息端均为信息输入端,信息端还包括一个信息输出端,信息输出端与信息传输单元信号连接,控制单元包括一个信息存储单元和一个信息处理单元,其中,信息存储单元还包括一个信息调取单元,信息存储单元包括多个物理信息存储组件。
主控中心配置为存储***控制端,加密单元配置为信息加密和解密端,加密单元的加密端设置为信息传输单元前端,当信息端通过信息输入端和驱动连接端口将GPGPU信息进行收集后,对收集的GPGPU信息进行加密,并将加密后的信息传输至信息传输单元。
图像信息采集方法包括:
一:
以图像的方式从LVDS接口输入;
二:
以模拟视频的方式通过BNC接口输入,原始图像经过LVDS接口后端的解串芯片解串之后,进入图像缓存,然后传递到压缩进行压缩编码操作,模拟视频的采集,通过BNC接口外接摄像头采集原始图像数据;
三:
采集好的数据通过无线传输方式直接传输至图像收集模块。
其中加密方式包括:
1.对称加密
采用单钥密码***的加密方法,同一个密钥可以同时用作信息的加密和解密。
2.非对称加密
指加密和解密使用不同密钥的加密算法,也称为公私钥加密。
信息传输单元包括有线信息传输和无线信息传输,当信息传输单元接收到加密后的GPGPU信息数据后,通过有线信息传输和无线信息传输将信息传输至信息处理单元,其中加密单元的解密端配置为信息处理单元的前置处理端,当信息传输单元将加密后的GPGPU数据信息传输至信息处理端后,通过加密单元的解密端将信息进行解密,并将解密后的GPGPU信息输出传输至信息处理单元内。
信息传输单元接收到信息后,根据GPGPU信息内容对信息进行整合,并根据整合结果对GPGPU信息进行分类,当信息处理单元对GPGPU信息进行分类时,包括图像色彩特征分类、图像纹理特征分类、图像形状特征分类和图像空间关系特征分类。
其中,图像色彩特征分类:
色彩是物体表面的一种视觉特性,每种物体都有其特有的色彩特征,譬如人们说到绿色往往是和树木或草原相关,谈到蓝色往往是和大海或蓝天相关,同一类物体往拍几有着相似的色彩特征,因此我们可以根据色彩特征来区分物体.用色彩特特征进行图像分类指色彩直方图的方法.由于色彩直方图具有简单且随图像的大小、旋转变化不敏感等特点,目前几乎所有基于内容分类的图像数据库***都把色彩分类方法作为分类的一个重要手段,并提出了许多改进方法,归纳起主要可以分为两类:全局色彩特征索引和局部色彩特征索引。
图像纹理特征分类:
纹理特征也是图像的重要特征之一,其本质是刻画象素的邻域灰度空间分布规律由于它在模式识别和计算机视觉等领域已经取得了丰富的研究成果,因此可以借用到图像分类中。
图像形状特征分类:
形状是图像的重要可视化内容之一在二维图像空间中,形状通常被认为是一条封闭的轮廓曲线所包围的区域,所以对形状的描述涉及到对轮廓边界的描述以及对这个边界所包围区域的描述.目前的基于形状分类方法大多围绕着从形状的轮廓特征和形状的区域特征建立图像索引。关于对形状轮廓特征的描述主要有:直线段描述、样条拟合曲线、傅立叶描述子以及高斯参数曲线等等。
图像空间特征分类:
在图像信息***中,依据图像中对象及对象间的空间位置关系来区别图像库中的不同图像是一个非常重要的方法。
当信息处理单元完成对GPGPU信息整合分类后,将信息传输至信息存储单元内,通过信息存储单元对整合后的GPGPU信息进行分类存储,当需要对存储的GPGPU信息进行调取时,通过调取单元对信息存储单元内存储的GPGPU信息进行调取,并完成解码输出。
在信息存储单元对GPGPU信息进行存储时,会将信息处理单元传输后的GPGPU信息进行编码,当信息调取单元对GPGPU信息调取时,通过信息存储单元对存储的GPGPU信息进行解码后进行输出。
对信息进行存储前,需要对信息进行编码,其中,编码步骤如下:
1、采样:对信息处理单元传输的图片信息进行采样,对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构,所形成的微小方格称为像素点,一副图像就被采样成有限个像素点构成的集合。例如:一副640*480分辨率的图像,表示这幅图像是由640*480=307200个像素点组成。
采样频率是指一秒钟内采样的次数,它反映了采样点之间的间隔大小。采样频率越高,得到的图像样本越逼真,图像的质量越高,但要求的存储量也越大。在进行采样时,采样点间隔大小的选取很重要,它决定了采样后的图像能真实地反映原图像的程度。一般来说,原图像中的画面越复杂,色彩越丰富,则采样间隔应越小。由于二维图像的采样是一维的推广,根据信号的采样定理,要从取样样本中精确地复原图像,可得到图像采样的奈奎斯特(Nyquist)定理:图像采样的频率必须大于或等于源图像最高频率分量的两倍。
2、量化:量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数,它反映了采样的质量。例如:如果以4位存储一个点,就表示图像只能有16种颜色;若采用16位存储一个点,则有216=65536种颜色。所以,量化位数越来越大,表示图像可以拥有更多的颜色,自然可以产生更为细致的图像效果。但是,也会占用更大的存储空间。两者的基本问题都是视觉效果和存储空间的取舍。假设有一幅黑白灰度的照片,因为它在水平于垂直方向上的灰度变化都是连续的,都可认为有无数个像素,而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将这幅模拟图像分解为近似的有限个像素,每个像素的取值代表该像素的灰度(亮度)。对灰度进行量化,使其取值变为有限个可能值。经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素,灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平和垂直方向采样点数足够多,量化比特数足够大,数字图像的质量就比原始模拟图像毫不逊色。在量化时所确定的离散取值个数称为量化级数。为表示量化的色彩值(或亮度值)所需的二进制位数称为量化字长,一般可用8位、16位、24位或更高的量化字长来表示图像的颜色;量化字长越大,则越能真实第反映原有的图像的颜色,但得到的数字图像的容量也越大。
先采样:沿线段AB等间隔进行采样,取样值在灰度值上是连续分布的,再量化:连续的灰度值再进行数字化(8个级别的灰度级标尺。
3、压缩编码
数字化后得到的图像数据量十分巨大,必须采用编码技术来压缩其信息量。
其中,编码的方法包括如下几种:
计算机常用的编码有:ASCII码,汉字编码等。
字符编码就是以二进制的数字来对应字符集的字符,目前用得bai最普遍的字符集是ANSI,对应ANSI字符集的二进制编码就称为ANSI码,DOS和Windows***都使用了ANSI码,但在***中使用的字符编码要经过二进制转换,称为***内码。
1、汉字内码:ANSI码是单一字节(8位二进制数)的编码集,最多只能表示256个字符,不能表示众多的汉字字符,各个国家和地区在ANSI码的基础上又设计了各种不同的汉字编码集,以能够处理大数量的汉字字符。这些编码使用单字节来表示ANSI的英文字符(即兼容ANSI码),使用双字节来表示汉字字符。由于一个***中只能有一种汉字内码,不能识别其它汉字内码的字符,造成了交流的不便。
2、GB码:GB码是1980年国家公布的简体汉字编码方案,也称国标码。国标码对6763个汉字集进行了编码,涵盖了大多数正在使用的汉字。
3、GBK码:GBK码是GB码的扩展字符编码,对多达2万多的简繁汉字进行了编码,简体版的Win95和Win98都是使用GBK作***内码。
4、BIG5码:BIG5码是针对繁体汉字的汉字编码。
5、HZ码:HZ码是在Internet上广泛使用的一种汉字编码。
6、ISO:2022CJK码:IOS-2022是国际标准组织(ISO)为各种语言字符制定的编码标准。采用二个字节编码,其中汉语编码称ISO-2022CN,日语、韩语的编码分别称JP、KR。一般将三者合称CJK码。目前CJK码主要在Internet网络中使用。
7、Unicode码:Unicode码也是一种国际标准编码,采用二个字节编码,与ANSI码不兼容。
在本实施例中,当通过信息调取单元调取图片信息时,根据需要调取的图片关键词进行搜索,通过信息存储单元中的检索端口进行检索,并将检索后的存储信息进行调取,同时,在调取时,对图像信息进行解码,解码时,根据编码所选的方法选择同样的解码方式。
GPGPU信息存储方法:
S100:对图像信息进行收集;
S200:对收集的信息进行加密,并传输到信息处理单元;
S300:通过信息处理单元对图像信息进行整合,并根据整合结果对信息进行分类;
S400:根据分类信息对图像进行存储;
S500:根据需要调取的图像信息进行关键词检索,并根据检索结果调取存储的图像信息,完成解码后输出图像。
采用本***对图像信息进行存储时,对图片尽心收集,其中,图像可通过LVDS接口、BNC接口或无线信号接口直接传输至图形收集模块,从而完成存储图像的收集,并将需要存储的图像信息进行加密,其中加密方式可采用对称加密或非对称加密的方式完成图像信息的加密作业,并将加密后的信息通过信息传输单元对加密后的图像信息传输至信息处理单元,通过信息处理单元对加密后的信息进行解密,并将解密后的图像信息根据图像色彩特征、图像纹理特征、图像形状特征和图像空间特征进行整理分类,从而完成存储图像的分类,并将分类后的图像信息进行编码,编码时,先对图像进行采样,根据图像的分辨率进行采样,将图像信息分解成像素点,并将相邻的像素点进行信息比对,对于信息一致的相邻像素点进行重叠,减少所需存储的像素点数量,从而减少图像信息编码后梭占用的存储空间,采样后,对采样点进行量化,最终将量化后的图像信息进行压缩编码,最终通过数据存储单元进行存储。
当对图像进行提取时,根据图像存储分类信息对图像进行检索,并根据检索结果选择需要提取的图像信息,选定好存储图像信息后进行提取,首先对需要提取的图像信息进行解码,根据编码信息,逆向解码,将存储的信息解码为图像信息。
解码时,用PSNR来衡量解密后的图片与原图的差距(即失真度),详细的结果如下表所示:
图像名 | 指标 | 值 |
Baboon | PSNR | 58dB |
Lena | PSNR | 62dB |
其中,PSNR是“Peak Signal to Noise Ratio”的缩写,即峰值信噪比,是一种评价图像的客观标准,它的值越大表示加密后图像的质量越高,失真程度越低。一般而言,PSNR高于40dB说明图像质量极好(即非常接近原始图像),在30—40dB通常表示图像质量是好的(即失真可以察觉但可以接受),在20—30dB说明图像质量差,低于20dB说明图像不可接受。显然可以看出,本发明能够使得加密后的图像仍保持非常高的图像质量,与原图差别非常小,在确保了图像内容的安全性的同时,也保证了图像视觉质量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
应注意到:相似的标号和字母在附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的上述描述中,需要说明的是,术语“一侧”、“另一侧”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“相同”等术语并不表示要求部件绝对相同,而是可以存在微小的差异。术语“垂直”仅仅是指部件之间的位置关系相对“平行”而言更加垂直,并不是表示该结构一定要完全垂直,而是可以稍微倾斜。
Claims (7)
1.GPGPU信息存储***,包括信息端和存储端,其特征在于:所述控制单元和信息端之间通过信息传输单元进行信号连接,所述信息传输单元还包括一个加密单元,所述信息端包括多个物理信息连接口和多个信息端,多个所述物理信息连接口和多个信息端均为信息输入端,所述信息端还包括一个信息输出端,所述信息输出端与信息传输单元信号连接,所述控制单元包括一个信息存储单元和一个信息处理单元,其中,信息存储单元还包括一个信息调取单元,所述信息存储单元包括多个物理信息存储组件。
2.根据权利要求1所述的GPGPU信息存储***,其特征在于:所述主控中心配置为存储***控制端,所述加密单元配置为信息加密和解密端,所述加密单元的加密端设置为信息传输单元前端,当所述信息端通过信息输入端和驱动连接端口将GPGPU信息进行收集后,对收集的GPGPU信息进行加密,并将加密后的信息传输至信息传输单元。
3.根据权利要求1所述的GPGPU信息存储***,其特征在于:所述信息传输单元包括有线信息传输和无线信息传输,当所述信息传输单元接收到加密后的GPGPU信息数据后,通过有线信息传输和无线信息传输将信息传输至信息处理单元,其中所述加密单元的解密端配置为信息处理单元的前置处理端,当所述信息传输单元将加密后的GPGPU数据信息传输至信息处理端后,通过加密单元的解密端将信息进行解密,并将解密后的GPGPU信息输出传输至信息处理单元内。
4.根据权利要求1所述的GPGPU信息存储***,其特征在于:所述信息传输单元接收到信息后,根据GPGPU信息内容对信息进行整合,并根据整合结果对GPGPU信息进行分类,当所述信息处理单元对GPGPU信息进行分类时,包括图像色彩特征分类、图像纹理特征分类、图像形状特征分类和图像空间关系特征分类。
5.根据权利要求1所述的GPGPU信息存储***,其特征在于:当所述信息处理单元完成对GPGPU信息整合分类后,将信息传输至信息存储单元内,通过信息存储单元对整合后的GPGPU信息进行分类存储,当需要对存储的GPGPU信息进行调取时,通过调取单元对信息存储单元内存储的GPGPU信息进行调取,并完成解码输出。
6.根据权利要求1所述的GPGPU信息存储***,其特征在于:在所述信息存储单元对GPGPU信息进行存储时,会将信息处理单元传输后的GPGPU信息进行编码,当所述信息调取单元对GPGPU信息调取时,通过信息存储单元对存储的GPGPU信息进行解码后进行输出。
7.GPGPU信息存储方法,其特征在于:包括权利要求1-6所述的GPGPU信息存储***和如下步骤:
S100:对图像信息进行收集;
S200:对收集的信息进行加密,并传输到信息处理单元;
S300:通过信息处理单元对图像信息进行整合,并根据整合结果对信息进行分类;
S400:根据分类信息对图像进行存储;
S500:根据需要调取的图像信息进行关键词检索,并根据检索结果调取存储的图像信息,完成解码后输出图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310666533.2A CN116992064A (zh) | 2023-06-07 | 2023-06-07 | Gpgpu信息存储***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310666533.2A CN116992064A (zh) | 2023-06-07 | 2023-06-07 | Gpgpu信息存储***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116992064A true CN116992064A (zh) | 2023-11-03 |
Family
ID=88530905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310666533.2A Pending CN116992064A (zh) | 2023-06-07 | 2023-06-07 | Gpgpu信息存储***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992064A (zh) |
-
2023
- 2023-06-07 CN CN202310666533.2A patent/CN116992064A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pitas | Digital image processing algorithms and applications | |
AU632333B2 (en) | Method and apparatus for processing digital data | |
US8620111B2 (en) | Device, system, and method for indexing digital image frames | |
US7565017B2 (en) | Palettized image compression | |
CN105933708B (zh) | 一种数据压缩和解压缩的方法和装置 | |
KR20020031015A (ko) | 에지 히스토그램 빈의 비선형 양자화 및 유사도 계산 | |
WO2007021135A1 (en) | Processing method of data structure for real-time image processing | |
WO2024051770A1 (zh) | 一种智能设备真随机密钥生成方法、装置、终端及介质 | |
CN116992064A (zh) | Gpgpu信息存储***及方法 | |
CN111246249A (zh) | 一种图像编码方法、编码装置、解码方法、解码装置及存储介质 | |
Press | Wavelet-based compression software for FITS images | |
Cohen | Retrieval and browsing of images using image thumbnails | |
AU2011254041A1 (en) | Compression of sift vectors for image matching | |
Panchanathan et al. | Indexing and retrieval of color images using vector quantization | |
CN116894457B (zh) | 深度学习模型的网络权重存取方法 | |
KR100375831B1 (ko) | 영상의 질감도를 기반으로 한 영상 db 브라우징 및 소팅방법 | |
JPH08167028A (ja) | 画像処理方法 | |
KR100434727B1 (ko) | 이미지 파일의 패스워드 부여방법 | |
El-Omari | An Efficient Two-level Dictionary-based Technique for Segmentation and Compression Compound Images | |
CN112802134A (zh) | 一种三维模型的编码方法、装置和终端 | |
Maurer et al. | Theory as basis for advances in hypermedia | |
CN117011131A (zh) | 图像重建方法、装置、设备、存储介质及计算机程序产品 | |
Meyer et al. | Segmentation and texture-based hierarchical rendering techniques for large-scale real-color biomedical image data | |
CN117237180A (zh) | 一种外置图像处理加速***及方法 | |
CN117915088A (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 |
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 |