系统分析师论文优选范文10篇之第五篇：图形图像压缩与网络地理信息系统的分析与研究

　　摘要：大数据时代的来临， 使人们在生产生活中对数据处理规模要求不断提高， 这也使以往的地理信息系统越来越难以满足于大规模的数据处理要求， 尤其是在图形图像压缩方面， 仅仅依靠地理信息系统很难达到理想的压缩效果。为了使地理信息系统具备更高的图形图像压缩性能， 就必须要将Internet与地理信息系统相结合。鉴于此， 本文对基于图形图像压缩的网络地理信息系统进行深入的分析。

　　关键词：图形图像； 图像压缩； 地理信息系统；

　　近年来， 计算机技术的快速发展， 使其逐渐渗透至各个领域， 地理信息系统作为区域规划、资源开发、灾害防治等工作的重要工具， 计算机技术与地理信息系统的融合也变得愈发深入， 这也使网络地理信息系统由此应运而生。目前， 国内外都已经开始应用地理信息系统来进行各种管理、规划与决策， 但由于地理信息系统大多是进行单机使用的， 只有少部分是连接广域网和互联网的， 这也使地理信息系统成果很难得到共享。在图形图像压缩工作中， 由于数据容量非常大， 这也使以往的地理信息系统在数据传输与处理方面存在很大难度。因此， 大力开展网络地理信息系统研究， 以此加快数据处理与迁移速度， 充分发挥网络地理信息系统在图形图像压缩工作中的应用优势具有十分重要的意义。

　　一、图形图像压缩与网络地理信息系统

　　随着地理信息系统与Internet的不断融合， 网络地理信息系统由此应运而生， 网络地理信息系统是通过World Wide Web来获取地理信息， 以便于向不同用户提供丰富的地理信息服务。相比于传统的地理信息系统， 网络地理信息系统在运行过程中需要具备更高的传输速度、更大的服务器空间， 同时在系统操作上也要更加便捷。在人们日常生活中会接触到大量的图形图像， 不过在许多情况下都要对图形图像进行压缩处理， 而在图形图像处理过程中， 不仅要考虑其局部， 还要考虑其整体。许多学者都对图形图像压缩进行了相关研究， Barnsley便利用递归失代函数与IFS方法对对图像进行了压缩编码， 从而使图形图像的压缩比例达到10000:1.Jacquin则利用计算机对图形图像进行了自适应块状编码来进行压缩， 该方法在不断发展中也得到了多次改进。网络地理信息系统在图形图像传输时， 这些图形图像都具有自相似性， 而互联网在数据传输时也是按照这种自相似性来实现的， 这也使图形图像压缩在网络地理信息系统中具有广阔的应用前景。

　　二、基于图形图像压缩的网络地理信息系统分析

　　网络地理信息系统是利用GPS、数字扫描等技术来对空间数据进行获取的， 而这需要地理信息系统具有充足的存储空间， 特别是对于地理图形图像来说， 由于地理图形图像的数据量非常庞大， 因此必须要利用网络地理信息系统来对图形图像进行压缩处理， 使图形图像数据能够在更小的空间中存储， 并对其进行快速传输。

　　1. 图形图像压缩原理

　　网络地理信息系统在存储图形图像数据时， 需要对其点状、面状、线状等要素进行描述， 其中， 线状要素作为地理图形图像中的基本要素， 可以是河流、海岸线等， 以传统数学角度来分析， 曲线的形状复杂程度都不会影响其维数， 以下便通过线状要素对网络地理信息系统在图形图像压缩中的应用进行分析。首先， 在图形图像压缩时， 需要对图形图像中的无标度区进行分析， 通过无标度区可对图形图像的自相似性范围进行反映， 对无标度区的判定方法有许多， 如拟合误差法、自相似比法、相关系数检验法、轨迹分析法等， 网络地理信息系统主要是采用轨迹分析法来对图形图像的无标度区进行自动判定， 在判定出图形图像的无标度区以后， 便需要采用步行结构法来处理数据， 通过步行结构法， 可对图形图像的自相似性进行统计， 然后便可利用客户机来对图形图像数据进行压缩， 在图形图像压缩时， 需要通过分形码来对初始图形图像进行迭代运算， 直至图形图像在解码图像中能够进行稳定收敛。

　　2. 图形图像压缩的方法改进

　　为了使网络地理信息系统能够更好更快的对图形图像进行压缩， 就必须要改进图形图像的编码方法。要想使图形图像的压缩比更高， 使图形图像的编码效果更好， 可按照以下步骤进行改进：首先， 可采用HV分割法、四叉树分割法来对图形图像进行分割， 其中以四叉树分割法最为常用， 四叉树分割法不仅可使定义域池中的分类能够重复利用， 而且所需的值域块存储用位数也少的多。其次， 可利用覆盖式方法来提高图形图像的压缩比， 覆盖式方法主要包括两种， 一种是四叉树重组QR算法， 另一种则是快速覆盖式分形压缩方法， 这两种方法都是对值域块进行合并使图形图像的压缩比提高的。最后， 在图形图像压缩时需要对值域块进行独立编码， 但这种编码方式无法确保块间连接的光滑度， 而且容易产生块效应， 为了解决该问题， 需要在值域块编码后进行相应的后处理， 通常采用3:2:1加权不均法或2:1加权平均法来消除图形图像在编码时产生的块效应。

　　在图形图像编码时， 由于搜索最佳匹配需要进行大量的计算， 这会使编码时间大幅延长， 从而对编码应用造成了很大限制。因此在对最佳匹配进行搜索之前， 需要分析图形图像的几何特征， 如方差、中值、力矩等， 然后按照值域块与定义域来分类。在匹配过程中， 只对相同类别中进行搜索对比， 这样既不会影响到图像质量， 同时也可使编码速度得以显着提高。在对值域块与定义域进行分类时， 可采用许多分类方法， 主要包括明暗度定向分类、相对矩分类、HVS分类、原形分类、向量量化分类、模糊分类、空域特征分类、小波分类、自适应码本簇化分类等。考虑到搜索最佳匹配时需要耗费很长时间， 因此还可采用加速搜索方法来缩短搜索时间， 加速搜索方法有很多， 主要包括特征提取追踪法、FFT搜索法、局部搜索法以及方差搜索法等。在对图形图像进行解码时， 采用分形解码要更快， 通常只需要进行10次左右的迭代计算即可实现编码， 但在实际应用分形解码时， 人们更希望进行更少的迭代计算， 目前在图形图像解码时所采用的方法主要包括非迭代算法、金字塔式解码器、ICC与BBC算法、去均值解码算法等。

　　科学技术的发展， 人们已经开始尝试将其他方法和分形方法进行结合应用， 以此实现对图形图像的混合编码， 并由此取得了非常理想的应用效果， 比较常用的混合编码方法主要包括DCT变换结合编码、向量量化结合编码、算术结合编码、遗传算法混合编码、加权有限自动机混合编码、小波变换混合编码等。随着越来越多混合编码方法的应用， 网络地理信息系统在图形图像压缩中的应用优势还将得到进一步显现。

　　三、结语

　　总而言之， 随着网络地理信息系统的不断发展， 其在图形图像压缩中将发挥出更多的优势， 不过相比于较为经典的图形图像压缩方法， 在研究上仍旧有待深入， 可以说， 关于图形图像压缩理论的发展目前还尚处于探索阶段， 在图形图像压缩中尚有许多问题没有发现和解决， 这些问题可能远远多于现有已经出现的问题。不过， 随着时间的推移， 图形图像压缩理论在网络地理信息系统中的应用前景仍旧是非常乐观的。

　　参考文献
　　[1]王芳。试分析图形图像压缩的常见方法技巧[J].电脑知识与技术， 2016, 12 （12） .
　　[2]闫晗。基于ArcGIS的网络地理信息系统研究[J].信息系统工程， 2016 （08） .
　　[3]余秋实。简述信息化建设中网络GIS的应用及发展趋势[J].读与写 （教育教学刊） , 2018, 15 （09） .