[01674566]基于XML的多媒体信息优化模型及其在网络中的应用研究

随着科学技术迅猛发展, 信息交流不断扩大, 计算机网络在信息社会中的作用和地位越来越重要, 与人们的工作和生活也息息相关, 同时网络也获得了快速的推广和普及。在计算机网络建设和应用中, 如何获得一个高速度、高质量的网络系统, 已成为备受关注的问题。近年来,随着电子政务、电子商务和各种专业网站等需求不断地增长,使得全球范围内的数据业务量迅猛增长,互联网的用户数呈现指数增长的规律,对带宽的需求越来越高,尽管目前网络带宽呈现逐渐增加的趋势,然而网络的体系结构决定了现在的网络只能提供有限的传输服务,难以保证各种多媒体数据在网络中快速传输,常常导致拥塞,使得数据在传输过程中出现丢失,影响了数据传输的时间、可靠性和准确性。因此,在网络传输中寻求一种廉价、快速和简单便利的传输方法有着非常重要的意义。 信息的来源很多,如广播、电视、新闻机构、出版商、政府和金融机构等,也可来自工商企业和个人,而且这些信息将越来越多地用图象、文字以及声音等多媒体数据的形式来表现。多媒体技术实现图文声一体化、视听一体化,并朝着人类接受和处理信息最自然的方式发展,通过将图像、声音等信息纳入一体,解决了人机界面的友好性,使信息技术发挥重大的效能,并能以人类习惯的方式向用户提供信息服务,改变了传统的信息类型单一和信息组织线性的特性,目在网络中得到了广泛的应用。 项目主要研究基于XML的网络中多媒体信息的类型和分布等,利用信息隐藏等原理,结合优化等技术,建立基于XML的网络多媒体数据优化模型,在服务器端应用优化模型对多媒体信息进行处理,将一些信息嵌入图象和声音中,生成相应的多媒体数据,减少数据量,然后在网络上传输。在客户端快速提取出隐藏信息,并根据相应的XML文档,自动还原出多媒体数据的原始结构。使用这种方法,能在相同的物理网络条件下,有效地减少了网络数据的流量,提高了数据传输速率,减少了网络拥塞的发生,且不需配备新的物理设备,成本较低。这是一种新的思想和方法,在网络中有很好的应用前景。该项目投入使用,在相同的硬件条件下,由于减少了数据传输量,提高网络传输效率,加快数据传输速度,减少了网络拥塞的发生,其经济价值是巨大的,将对网络产生重大的影响。 本项目包括以下科学观点： （1）对彩色图像的R、G、B分量分别进行位平面分割, 对较低层位平面直接进行数据替换实现数据嵌入,对较高层位平面首先按位平面进行分块,然后根据每个块中的数据特征进行数据嵌入,通过控制高位平面数据减少数据嵌入后像素值的改变量,实现彩色图像大容量信息隐藏。在彩色图像中数据隐藏量达到45%以上,峰值信噪比可保持在36dB以上,取得了比较好效果,在EI收录期刊“光电子激光”上发表相关的论文。 （2）以载体信息每个字节的最高为1的位为标志位,通过对嵌入信息的数值进行调整,使隐秘信息的嵌入过程对原图像的改变较少,同时保证载体信息的标志位不必变,达到对嵌入信息无损提取。完成的算法对载体图像的改动小,提高了隐藏容量。该算法的论文被核心期刊“计算机工程与应用”录用。 （3）提出一种时间复杂度为O（nlogn）的同心圆检测算法。该算法先从图像中提取边界像素点,再计算边界点重心,然后计算边界点到重心的距离并以此作为分类依据,将边界点分为若干个子集合,最后根据各个边界点子集合确定各个同心圆的半径。该算法在时间和空间复杂度方面均优于经典的Hough检测算法,可用于实时检测。该算法的论文发表于国际期刊“ICIC Express Letters”。 （4）提出一种基于随机Hough变换的快速圆检测算法。该算法在确认真圆时,通过范围能较好地排除非候选圆上的点, 通过公式化简能更快地判断当前点是否为候选圆上的点,不需对所有边界点进行证据计算,有效提高了检测速度。该算法的论文已发表于核心期刊“计算机工程与应用”。 （5）设计了一种安全的图像加密算法,性能优于传统的Arnold变换算法,可用作图像信息隐藏的预处理技术。该算法随机将图像划分一系列正方形图像块,随机选择图像块的加密次序,再生成每个图像块的迭代次数,最后将Arnold算法依次应用每个图像块,实现图像加密。该算法具有较高的安全性能,对图像大小无任何要求,适用性较广。算法对应的论文已发表于EI收录期刊“Journal of Multimedia”。 （6）提出了一种稳健彩色图像特征提取方法,并用于构造感知图像Hash。该方法先将RGB彩色图像转换到HSI和YCbCr颜色空间并对每个颜色分量分块,提取每个分块的均值和方差构造彩色图像特征。在此基础上,提出一种利用彩色特征的感知Hash方法。先用插值方法将图像转换为固定大小图像,再用彩色特征提取方法获取特征,最后用欧式距离压缩图像特征。该图像Hash方法具有良好的稳健性和唯一性,能检测图像内容篡改操作,包括删除图像对象和更改对象颜色,其篡改检测能力优于著名的RASH算法（Roover et al., Robust video hashing based on radial projections of keyframes, IEEE Transactions on Signal Processing, 2005, 53（10）：4020?4036.）。该算法发表于EI收录的国际会议“2010 International Conference on Computer and Computational Intelligence”。