文摘
随着信息时代的到来,数字化研究书画信息尤为重要。为了提高数据管理的效率印刷数字化后的信息,本文设计了一种数字信息流管理系统和基于物联网的数据检索模型。根据选定的单元之间的不匹配和实际空间数据分布和数据分散的影响,一个算法来构建一个数字信息流量控制系统的r - tree使用计算机图形学中,提出了通过有效的数据检索的基础上r树索引。实验结果表明,该算法具有较好的实用性。
1。介绍
中国传统书画艺术品已经经历了几千年的整合与发展,形成了独特的民族风格与特色与欧美国家相比,世界上,形成一个独立的文化现象(1]。当数字化中国书画艺术品,它远远不够,只有抓住他们的宏观的外表,它是至关重要的充分识别和捕捉他们的艺术特点,需要光学分辨率、颜色深度、和灰度值的数字化设备完全满足需求,所以油墨颜色所代表的艺术特征和层的书画艺术作品可以在数字化显示设备清晰和准确的方式,提供的文件存储格式数字化的机会收集的结果是一个重要因素影响其安全的数字文档存储(2]。
无论是利益,升值,或装饰,人们的注意力,书画一直上升,和他们喜欢书画艺术品已经大大提高(3]。在这一前提下,为了满足人民对公共文化的需求,许多艺术画廊或博物馆定期推出各种展览,让人们欣赏中国著名书法家和画家的作品在过去或一些现代艺术家、艺术品和书画已逐渐从原始的少数人变成公众的文化消费。
然而,由于其稀缺性和独特性,书画艺术品的价值必然是昂贵的,和高价格经常阻止大多数人欣赏他们。此外,我们将数字化的绘画和书法纸和建立网上博物馆或美术馆,以便更多的艺术爱好者能享受高清晰度的杰作在互联网上没有离开家(4]。此外,数字图像处理后收藏的书画艺术品产生高度的繁殖也是一个广泛应用的推广形式。人们会买复制品来装饰他们的家或办公室后享受原。从第二个角度来看,博物馆的珍贵作品需要定期展出或厂外运输对于文化交流,在这个过程中,有一个很高的碰撞受损的风险,甚至损失,构成伟大的艺术品的安全风险。在这种情况下,展览单位将使用不同的方式产生几乎与原件的复制品展览而不是原件,以便公众可以享受美和艺术的基础上保护。此外,对于学生从事艺术的研究,他们常常喜欢在博物馆或美术馆艺术的原创作品在短时间内和从远处或研究主画家的作品专辑,和大小通常远小于原始大小的工作,这在很大程度上限制了艺术家的艺术标准的准确把握。在这种情况下,许多艺术学校会给学生高质量复制品的原创作品研究和复制,这样学生可以详细了解艺术家的绘画,用墨水和详细的变化创造,深刻理解原文的艺术本质的工作。在这种需求下,如何准确地恢复中国书画艺术品罚款繁殖后数字采集和创新在某些方向成为一个值得研究的话题5,6]。
在物联网技术应用于整个数字书画数据收集的过程(9,10]。在本文中,我们希望通过数字采集和图像处理的讨论的书画艺术作品,通过理论论证和例子分析,可以说,创新基于图像处理的客观再现书法和绘画的艺术特点适合新时期人们的审美兴趣。
2。相关工作
数字采集和图像处理的书画艺术品已经出现在过去二十年里,它已成为一个促进书画艺术品的主要形式。数字采集和图像处理的书画艺术品不仅是生殖也向公众传播它们以一种更方便、更快的形式(10]。
最早的繁殖书画艺术品手工复制,在上述的情况下“妇女历史”和“Lanting序言,“使用钩复制方法来获取原始的副本是最重要的繁殖方式在现代(11]。手复制需要一个高水平的绘画技能和原创作品的深刻理解,以及熟悉的艺术家的特点和技术。这样的副本也有很高的艺术价值,尤其是如果它是来自同一时代原作者或不久之前,已经完全取代了原始的工作并没有流传下来。手印复制品需要更长的时间和人数较少,但高价值,这些复制品有很高的收藏价值,但却难以进入大众家庭(12]。
第二种类型是木板水印,它使用木板上雕刻,使多个雕刻板米纸根据原作的色彩分离特征获取一份,基本上是和原来的一样。这种方法要求分色和雕刻人员必须有一个高水平的艺术训练和高基础绘画,以得到一个副本匹配原始的魅力。这属于批量印刷的范畴,但生产周期长、产量低,有一个高度的技巧和艺术,使用传统绘画颜料和米纸等材料,它有一定的收藏价值,北京Rongbaozhai是一个典型的代表木板水印做的更成功。
第三个是颜色板印刷和胶印,属于印刷品的范畴,效率高、大型印刷体积,和低成本,属于宣传和受欢迎的产品,宣传和推广中国书法和绘画做出了很大贡献,但仍有一些差距的印刷品和高质量的复制品。
后数字捕获和图像处理技术的出现,除了使用数字媒体,比如互联网传播,使物理复制品是一种常见的促销形式。数字化采集和图像处理后的电子版本的书画作品,使用数字微型喷气发动机米纸的表面处理或丝绸上繁殖的原始是一个非常理想的形式,水平好,自然过渡,演讲的细节和原始高度相似。这需要高分辨率数字捕获的原始工作和设计软件的使用调整颜色和水平的电子图像水平,允许数字摘要。数字化微型喷气发动机不同与传统的打印工作。的最大区别传统印刷和手工复制和版画在于情感、知识、和人类输入,使输出是冷的和单一的印象,缺乏活力,批量生产的工业产品(13]。数字化微型喷气发动机工作不仅比传统的打印更准确,每一块有一个独立的色彩校正系统的工作,而不能实现批量生产,目前更可取的路径书画艺术品复制。
有许多类型的数字为书画艺术品、捕获和图像处理和使用不同的方法和图像处理过程取决于所使用的数字捕获设备。原始绘画和书法的客观状态也决定了数字的方式收购(14]。
使用高清数码相机拍摄后缝合也是一些研究人员使用的方法,和这种形式适用于不容易扫描的类型,如太大一个区域和不方便移动。
高精度巨幅摄影器材的使用一次性数码收购是一种收集质量相对较高,和大多数公司从事这个方向有其自己的一套完整的项目(16,17]。很难分析每幅作品的艺术特征在这种形式,但只有达到相似。无论数字捕获和图像处理方法需要解决的问题是要仔细研究前的原始艺术风格数字微型喷气发动机电子图片和设计一套独立的色彩校正程序工作,从而达到高度的“形式和精神与“原创作品(18]。
虽然数字采集和图像处理的书画艺术品发展相对迅速,它们只有在企业应用的阶段,还没有形成成熟的理论体系,缺乏一个统一的理论指导19]。
3所示。数据采集和管理系统基于物联网的书画数字化项目
使用网络书画读出计算机系统不满足连续优化的期望和需求。索引数据库有许多固定的网格和四叉树等方法。
经过20年的发展,越来越多树品种已经逐渐形成R树的叶子的空间索引。基于geohash树,他们提出了一个GRISTT方法包括时空索引。这种方法支持时间和时间查询。他们提出了一个动态树(R施工方法基于树)K——+空间主题来提高空间数据的主题相关性,提高集群多路法和分割算法的整体效率R树。然而,这种方法有空间数据异常干扰的问题。此外,该算法具有缺陷处理大量数据。
因此,选择集群之间的不匹配的问题和实际的空间数据分布,这很容易受到异常数据影响,本文构造一个R树智能书画数字信息管理系统中基于动态聚类中心(DCC)算法,以提高数据检索效率。
3.1。为书画智能数字信息管理系统
3.1.1。系统结构
图1显示了智能数字信息管理系统基于物联网技术构建的字画。
这一层可以定义和安装各种流程,程序,和应用程序,比如一个智能医疗文档管理系统。
3.1.2。系统的核心
的R树索引方法用于实现快速访问数据。数据存储是一种物理空间数据存储,提供快速访问不同的空间对象索引结构。智能书画数字信息的数据库管理系统基础上树R基于关系数据库。首先,根据空间对象分为三个简单实体几何类型:点,线,和表面。所需的次要的(如图2)根据定义属性和物理空间对象的需要。
3.2。R基于树的信息检索模型
3.2.1之上。DCC算法
为了确保有效的大规模数据访问、改进的r - tree数据索引技术引入系统。计算过程如下:
让距离数据 。如果 ,马克作为相邻对象的数据;如果 ,它作为nonneighboring对象数据的记录。让 是空间数据集群的成员 。假设是集群的中心 ,之间的距离和计算如下:
假设样本的集合表示为 ;也就是说,包含数据。此外,平均点可以被描述为 ,在哪里表示th的属性 ;然后,我们有
在选择聚类中心,平均点上的数据类第一。然后,距离其他数据计算。邻近的对象根据距离指数获得的吗 。使用最接近的空间数据作为集群中心点和计算的平均点相邻的对象,我们有
其中, 。总之,DCC算法实现的过程可以被描述为如下算法:
|
3.2.2。R树索引结构
本部分用于创建一个动态的索引过程的细节R树。
接下来,R树索引结构匹配任何空间对象集。基本的创建过程如下:首先,建立一个最低封闭矩形空间对象,如图3。然后,凝结中心外矩形系列的(DCC)算法聚类是根据动力学决定的。如图4,选择最近的点的中点作为源中心集群的价值= 1。 ,这是最远的从集群中心吗 ,和 ,这是最远的 ,选择开始集群作为集群中心。 分组为 ,和 , , , , 和分组为 ,最后形成两组。选择最大的簇半径和中心的两个集群,然后,(最远的 ), (最远的 ),和分组为中心的集群然后均匀分布,计算集群的测量功能。
3.2.3。R基于树的检索过程
的R索引树的一套完整的索引(插入),查询和删除节点。以下只介绍了一个查询算法,根据树形索引执行R数据库的几何表。创建一个R树索引在数据库将大大改善许多用户的数据检索效率。下面的算法描述的索引过程R树:
|
4所示。实验和分析
本节通过数字信息进行实验分析数据集的绘画和书法(基本实验数据主要来自于城市的博物馆书画数据)。大约5 MB的书画提前收集数据,和一个多组服务器是用来模拟一个智能书画数字信息管理系统。在实验中,大约5 MB的书画提前收集数据,和多个服务器是用来模拟智能书画数字信息管理系统。模拟的参数如表所示1,具体的想法是来验证该方法的查询效率在不同网络带宽下通过两个查询任务。仿真环境如下:CPU i5稍微联想的工作站,8 GB内存,操作系统是windows 10×64, Python编程语言是。
在多维分析系统的性能仿真并与HBase索引算法。CPU执行效率比较的结果如图所示5,HBase方法和该方法显示CPU执行时间随时间增加的趋势。
图6显示了检索效率的比较结果,HBase方法的最大检索时间约为3.21×105毫秒,并且该方法约为3.19×105 ms。
图7显示了带宽需求比较结果,HBase方法178 KB的高峰期,该方法是137 KB。
可以看出,当任务的数量小,算法的实现速度的部署速度显著提高。原因分析主要是因为它需要一些时间开始建设R树。
5。结论
针对数据管理效率的提高印刷信息数字化后,这项工作建立了一个基于局域网的计算机信息管理系统技术。为了实现这个目标,本研究使用R树索引方法快速访问数据。在这种方法中,DCC算法建立树R模型的智能书法系统,数据检索效率是提高了r - tree索引。在实验分析,本文忽略了网络攻击和用户信息披露的风险。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突有关这篇文章的出版。