.png){kind=icon}
返回
Efficient image deduplication using HashMap: a scalable approach
.png){kind=icon}
PRE
AI
DOI：10.1007/s43538-025-00594-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着图像数据对云存储的使用增加，需要高效的图像去重技术以实现云存储的最佳利用，并支持快速准确的图像检索。现有的图像去重技术采用哈希函数、提取的特征或深度学习技术。布隆过滤器（Bloom filter）能够识别潜在匹配项，有助于减少云存储中图像去重检查的计算开销。布隆过滤器可以有效地与哈希和特征提取技术集成。尽管布隆过滤器具有空间高效性，并能在容忍一定误报率的情况下提供快速查找，但在需要精确查找、准确结果和支持删除的场景中，哈希表（HashMap）更为适用。本文提出了基于哈希表的图像去重方法，适用于云环境，该方法提供了快速且可扩展的解决方案，并通过基于哈希的验证确保准确性。本研究表明，所提出的方法具有可扩展性，能够高效处理大规模图像比较，且不会限制与输入图像进行比较的图像数量。哈希表通过快速索引和检索图像哈希值，显著降低了计算开销和存储冗余，通过高效检测重复项来实现这一点。它们明确存储每个键及其对应的值，确保精确的成员测试，从而克服了布隆过滤器中误报的局限性。该方法利用哈希算法为图像创建唯一标识符，便于在动态云环境中进行快速查找和精确或近似重复检测。实验结果表明，与图像去重过程中的布隆过滤器相比，所提出的图像去重方法在减少存储需求和处理时间的同时，保持了去重检查的准确性。
Keyword:
Bloom filter
HashMap
Image deduplication
Optimal cloud storage
期刊
P
IF:
2.1
论文数:
257
被引数:
974
机构
引用论文
A feature-based intelligent deduplication compression system with extreme resemblance detection.png)
CONNECTION SCIENCE
OAAI
CONNECTION SCIENCEIF3.4
OAAI分享收藏A smart hybrid content-defined chunking algorithm for data deduplication in cloud storageSOFT COMPUTING
OAAI
SOFT COMPUTINGIF2.5
OAAI分享收藏
查看更多内容