Bücher von Divya Raj

Dans cet article, nous présentons une méthode de déduplication sécurisée au niveau de l'image basée sur le protocole MD5. Nous avons découvert que le degré de similarité entre les images influence directement le nombre d'images stockées dans le nuage. Cependant, il est important de noter que notre approche actuelle est limitée au traitement d'images qui sont presque identiques, avec seulement de légères variations. Dans nos recherches futures, nous souhaitons aborder ce problème à plus grande échelle en incorporant des opérations d'image supplémentaires telles que la mise à l'échelle, la rotation, le recadrage, les points de vue multiples, les conditions d'éclairage variables et la compression à l'aide de différents formats de fichier. Nous prévoyons d'évaluer l'efficacité de ces améliorations en effectuant des tests sur la plateforme en nuage.

Neste documento, apresentamos um método para efetuar a desduplicação segura de imagens ao nível da imagem com base no protocolo MD5. Descobrimos que o grau de semelhança entre imagens influencia diretamente o número de imagens armazenadas na nuvem. No entanto, é importante notar que a nossa abordagem atual está limitada ao tratamento de imagens que são quase idênticas, com apenas ligeiras variações. Em investigação futura, pretendemos abordar esta questão numa escala mais alargada, incorporando operações de imagem adicionais, tais como escalonamento, rotação, corte, múltiplos pontos de vista, condições de iluminação variáveis e compressão utilizando diferentes formatos de ficheiro. Planeamos avaliar a eficácia destas melhorias através da realização de testes na plataforma de nuvem.

En este artículo, presentamos un método para realizar una desduplicación segura de imágenes a nivel de imagen basado en el protocolo MD5. Hemos descubierto que el grado de similitud entre imágenes influye directamente en el número de imágenes almacenadas en la nube. Sin embargo, es importante señalar que nuestro enfoque actual se limita a manejar imágenes que son casi idénticas, con sólo ligeras variaciones. En futuras investigaciones, nos proponemos abordar esta cuestión a mayor escala incorporando operaciones de imagen adicionales, como escalado, rotación, recorte, múltiples puntos de vista, variación de las condiciones de iluminación y compresión mediante distintos formatos de archivo. Tenemos previsto evaluar la eficacia de estas mejoras realizando pruebas en la plataforma en la nube.

In questo articolo presentiamo un metodo per eseguire una de-duplicazione sicura delle immagini a livello di immagine basata sul protocollo MD5. Abbiamo scoperto che il grado di somiglianza tra le immagini influenza direttamente il numero di immagini memorizzate nel cloud. Tuttavia, è importante notare che il nostro approccio attuale è limitato alla gestione di immagini quasi identiche, con solo lievi variazioni. Nella ricerca futura, ci proponiamo di affrontare questo problema su scala più ampia, incorporando ulteriori operazioni sulle immagini, come la scalatura, la rotazione, il ritaglio, i punti di vista multipli, le condizioni di illuminazione variabili e la compressione utilizzando diversi formati di file. Abbiamo in programma di valutare l'efficacia di questi miglioramenti conducendo test sulla piattaforma cloud.

In diesem Papier stellen wir eine Methode zur sicheren Bild-Deduplizierung auf Bildebene vor, die auf dem MD5-Protokoll basiert. Wir haben herausgefunden, dass der Grad der Ähnlichkeit zwischen Bildern einen direkten Einfluss auf die Anzahl der in der Cloud gespeicherten Bilder hat. Es ist jedoch zu beachten, dass unser derzeitiger Ansatz auf die Verarbeitung von Bildern beschränkt ist, die nahezu identisch sind und sich nur geringfügig unterscheiden. In zukünftigen Forschungsarbeiten wollen wir dieses Problem auf breiterer Basis angehen, indem wir zusätzliche Bildoperationen wie Skalieren, Drehen, Zuschneiden, mehrere Blickwinkel, unterschiedliche Beleuchtungsbedingungen und Komprimierung mit verschiedenen Dateiformaten einbeziehen. Wir planen, die Wirksamkeit dieser Verbesserungen durch Tests auf der Cloud-Plattform zu bewerten.