數字技術支持下的海量圖像信息多云存儲平臺設計

劉文林

（南昌職業大學 信息技術學院，南昌 330500）

海量圖像在存儲時對于服務器或者存儲終端的性能需求較高，需保證海量圖像存儲安全的同時，降低其內存占用率[1]，避免占用過多內存，影響存儲終端的運行性能；同時在海量圖像搜索所需圖像的耗時較大[2]。常見的圖像存儲方法有分布式存儲、邊緣存儲以及備份存儲等，這些方法均可完成圖像信息存儲，但會發生圖像信息分散、質量受損等情況。為保證海量圖像信息的存儲效果，文獻[3]主要以降低海量圖像存儲內存占用率為核心目標，采用分形編碼和LIC 混沌系統完成海量圖像的壓縮處理，實現海量圖像的壓縮存儲；但是該方法在應用過程中，會降低圖像質量；文獻[4]主要以實現圖像分類存儲，提升圖像存儲后的搜索效率為目的，利用密度劃分算法，進行圖像聚類，并按照圖像類別完成存儲；但是該方法在應用過程中，無法解決內存占用率較大問題。數字技術指的是利用計算機等相關技術對圖像、文字或者視頻影像等信息進行編碼、壓縮等處理，同時能夠完成信息的運算、加工、存儲、傳送或者還原等。本文為實現海量圖像存儲，以多云架構為支撐，并引入數字技術設計數字技術支持下的海量圖像信息多云存儲平臺。

1 海量圖像信息多云存儲平臺

1.1 平臺總體架構

多云存儲指的是整合多個內部或者外部的云存儲服務組成的多云架構[5]，通過該結構協同完成相關服務。本文為實現海量圖像的可靠存儲，文中采用多云架構為支撐，結合數字技術，設計數字技術支持下的海量圖像信息多云存儲平臺。通過該平臺解決海量圖像存儲內存占用過大情況，并保證圖像存儲安全性。該平臺架構如圖1 所示。平臺整體分為多云存儲模塊和本地應用模塊。

圖1 基于多云架構的海量圖像存儲平臺Fig.1 Massive image storage platform based on multi-cloud architecture

（1）多云模塊：該模塊利用REST 原則實現Google Cloud、Amazon S3、Microsoft Azure 等組成的多云架構。每種云服務提供的服務接口存在差異，為保證多云服務之間的協同調用效果和效率，結合各個云服務的公共API 獲取一個抽象基類，所有云服務則繼承這個基類，以此實現多云的協同服務，將各個網絡平臺中海量圖像信息均遷移至多云架構中，為本地用戶提供所需的圖像信息；同時存儲本文服務器上傳的海量圖像。

（2）本地應用模塊：該模塊在多云模塊客戶端的控制下，實現本地服務器和多云模塊之間通信，調用多云模塊中的海量圖像對其進行加密和壓縮處理后，在進行圖像上傳存儲過程中，降低海量圖像對云服務器或者本地服務器內存占用率，并且能夠通過篩選機制，精準獲取所需的圖像信息。

1.2 多云模塊設計

1.2.1 多云模塊結構

多云模塊是系統的重要模塊，其主要是實現海量圖像信息的存儲，在存儲過程中，為保證存儲圖像信息的存儲效果和存儲安全，設計多云模塊結構，該模塊整體包含5 個部分：客戶端、第三方驗證、云服務器、交互界面、私鑰產生器。該模塊的結構如圖2 所示。

圖2 多云模塊結構Fig.2 Cloudy module structure

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

（2）第三方驗證：該部分屬于一個獨立可信的云服務提供，其主要作用是為海量圖像存儲提供數據服務或者公開驗證服務，保證海量圖像的存儲效果。

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

（4）交互界面：該部分作為客戶機和云存儲服務之間的交互界面，是呈現海量圖像存儲結果?？蛻魴C向交互界面下達存儲請求，交互界面接受請求后，將數據分發給云服務器中；同時交互界面能夠接受第三方驗證服務。

（5）私鑰產生器：該部分的主要作用是保證海量圖像的存儲安全，其是根據用戶的身份標識生成對應的私鑰實體，保證用戶的圖像存儲服務。

1.2.2 海量圖像多云存儲均衡分流

云模塊需對待存儲的海量圖像進行均衡分流，主要采用K 均值聚類算法計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，以此實現海量圖像的分類存儲，實現去均衡分流，保證存儲效率。海量圖像信息具有高維特點，圖像信息的特征組成的聚類中心數據為l，初始聚類中心數量為p，圖像信息類別數量為L，圖像信息特征和其誤差方差分別為y 和F，待分流存儲的海量圖像信息特征集為Dj，對Dj進行均值化處理，可獲取結果，此時圖像信息特征類別計算公式為

已經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 個圖像特征分別為Y 和Z，2 個特征間的歐式距離為d（Y，Z）。設定TDq=｛Dh｝，表示初始聚類中心，將海量圖像特征劃分至l 個聚類中心中，其計算公式為

式中：g=1，2，…，l；Dg表示第g 個聚類中心。

對聚類獲取的圖像特征進行迭代處理，以此生成新的數據特征聚類中心，用TDq+1表示；如果q=0，聚類中心用TD0表示；計算所有待存儲圖像特征聚類中心，以此完成聚類中心的更新，并采用F 作為圖像分流存儲的判斷標準，如果F 的結果較大，則取法滿足分流存儲標準，則重新進行的圖像特征進行迭代處理，并執行后續操作；如果滿足分流存儲，則獲取圖像的分流存儲結果。

1.3 多目標數字水印技術加密

1.3.1 多目標加密數字水印技術結構

本地應用模塊在進行海量圖像上傳存儲過程中，均需保證圖像的完整性，因此，應用模塊均在本地服務器中設置數字水印嵌入端口，該端口主要依據數字加密技術對海量圖像進行加密，該技術能夠滿足多目標的加密需求。該技術的整體結構如圖3所示。數字水印技術在進行海量圖像加密過程中，是以圖像的幀數變化情況設計加密階層數量，各個階層均按照加密標準完成圖像加密；同時在初始加密時，需設定動態加密序列，以此保證加密體系的穩定；最終采用數字水印技術生成圖像加密目標。

圖3 多目標加密數字水印技術結構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，因此密鑰在設定時，需充分結合保護需求以雙向保護加密為目標，設定加密層級；同時需保證其和初始設定的加密標準一致，以此逐步增加加密范圍，保證多目標的加密效果。在加密過程中，為提升海量圖像加密的穩定性，可對圖像的像素值進行轉換，文中主要采用圖像灰度處理方法完成。在圖像中選擇一個位置，將該位置定義為測定的主要目標，并采用隨機的方式在該位置上設定控制監測節點，將其和數字水印技術相結合，形成關聯搭接，此時計算圖像的灰度值，其計算公式為

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 表示圖像重構次數；ε 表示設定的加密偏差。

將上述計算結果和數字水印技術相結合，可進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存占用率，文中采用數字技術中的數據壓縮方法對海量圖像進行無損壓縮編碼。整個壓縮結構如圖4 所示。

圖4 海量圖像無損壓縮結構Fig.4 Lossless compression structure of massive images

在整個壓縮過程中，需結合小波變換算法完成，通過小波變換對海量圖像進行無損壓縮編碼，在壓縮前需先完成圖像分解，其計算公式為

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

圖像分解后，確定此時的二維小波，其計算公式為

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。

對壓縮后的圖像信號進行空間域處理，以此保證圖像的二維變換效果，利用小波點提升生成雙正交波算法，以此對圖像分解信號進行預測和更新，完成圖像壓縮。

2 測試結果與分析

以某廣告企業在運營過程中需要海量圖像作為實例研究對象，該企業擁有企業云UniCloud，采用該企業云完成Google Cloud、Amazon S3、Windows Azure 和百度云共4 個云服務，構建多云架構，用于實現海量圖像存儲。該企業共有數10 臺本地服務器，本文僅選擇其中的5 臺作為測試使用，每臺服務器內的功能軟件清單以及服務器的功能參數詳情如表1 所示。

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

為驗證本文平臺的海量圖像均衡分流效果，以數據流標準方差作為評價指標，其主要用于衡量海量圖像分流存儲的穩定性，值越大表示穩定性越差。對于不同維度圖像進行均衡分流存儲后，數據流標準方差如圖5 所示。依據圖5 可知，隨著存儲圖像的數量的不斷增加，本文平臺分流處理后數據流標準方差在0.27 以下，分流存儲的均衡能力較好。

圖5 海量圖像分流存儲的穩定性測試結果Fig.5 Stability test results of massive image shunt storage

為驗證本文平臺的海量圖像多云存儲效果，以內存占用率和多云服務器的負載均衡度作為評價指標，本文平臺在進行不同大小圖像存儲時，內存占用率和負載均衡度的計算結果如圖6 所示。依據圖6 可知，隨著存儲圖像大小增加，采用本文平臺，圖像存儲內存占用率在22.6%以下，因此可顯著降低海量圖像存儲后的內存占用率；負載均衡度均在94.1%以上，可極大程度保證海量圖像存儲的均衡性。

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

為進一步驗證本文平臺的海量圖像存儲效果，文中隨機選擇海量圖像壓縮存儲后，圖像原始圖像和存儲圖像結果，如圖7 所示。由于篇幅有限，結果僅隨機呈現一幅圖像的測試結果。依據圖7 測試結果可知，采用本文平臺進行海量圖像壓縮存儲后，存儲壓縮后的圖像質量和存儲前原始圖像質量一致，能夠保證圖像質量不會發生損壞，因此，本文平臺具有較好的海量圖像存儲能力。

圖7 圖像壓縮存儲測試結果Fig.7 Image compression and storage test results

3 結語

隨著圖像的不斷增加，海量圖像的存儲成為首要解決的問題，即為在保證圖像無損且內存占用率最小的情況下，實現海量圖像信息存儲，因此，設計數字技術支持下的海量圖像信息多云存儲平臺，并對該平臺的應用效果進行相關測試。測試結果顯示，本文平臺具有較好的應用性能，其能夠均衡實現海量圖像分流存儲，并且存儲效果良好，可降低海量圖像存儲時內存占用率，并且保證壓縮存儲后的圖像質量。