一种数据处理方法、装置、设备及计算机可读介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种数据处理方法、装置、设备及计算机可读介质。


背景技术：

2.随着电子现代化技术发展越来越快，电子图像的数量以指数级增长，电子图像上的像素以数字代码的形式记录下来，图像文件包括未压缩格式以及ipeg、gif等压缩格式，图像的全部数据都要存储到电子证照管理系统中，虽然图像保真度好，但是数据量庞大，给计算机存储带来了巨大压力。
3.在实现本技术过程中，发明人发现现有技术中至少存在如下问题：
4.图像文件包括未压缩格式以及ipeg、gif等压缩格式，图像的全部数据都要存储到证照管理系统中，数据量庞大，图像占用存储空间过大。


技术实现要素：

5.有鉴于此，本技术实施例提供一种数据处理方法、装置、设备及计算机可读介质，能够解决现有的图像文件包括未压缩格式以及ipeg、gif等压缩格式，图像的全部数据都要存储到证照管理系统中，数据量庞大，图像占用存储过大的问题。
6.为实现上述目的，根据本技术实施例的一个方面，提供了一种数据处理方法，包括：
7.获取图像数据，进而提取图像数据对应的图像特征；
8.对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；
9.对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；
10.对第二图像数据和稀疏数据进行存储；
11.响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
12.可选地，对图像特征进行聚类，以得到各聚类簇，包括：
13.将不同的图像数据中相似度超出预设阈值的图像特征聚为一类，进而得到各聚类簇。
14.可选地，根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据，包括：
15.将各聚类簇对应的图像数据划分为第二图像数据；
16.根据图像数据和第二图像数据，确定第一图像数据。
17.可选地，对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据，包括：
18.对第一图像数据进行区域划分，以得到区域划分数据；
19.对区域划分数据基于正交基进行随机采样，以得到对应的稀疏数据。
20.可选地，提取图像数据对应的图像特征，包括：
21.提取图像数据对应的高层特征和低层特征。
22.可选地，对图像特征进行聚类，以得到各聚类簇，包括：
23.对高层特征和低层特征进行融合，以得到融合特征；
24.对融合特征进行聚类，以得到对应的各聚类簇。
25.可选地，对高层特征和低层特征进行融合，以得到融合特征，包括：
26.获取高层特征对应的第一置信度评分和低层特征对应的第二置信度评分；
27.基于第一置信度评分和第二置信度评分对高层特征和低层特征进行融合，以得到融合特征。
28.另外，本技术还提供了一种数据处理装置，包括：
29.获取单元，被配置成获取图像数据，进而提取图像数据对应的图像特征；
30.图像数据划分单元，被配置成对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；
31.采样单元，被配置成对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；
32.存储单元，被配置成对第二图像数据和稀疏数据进行存储；
33.输出单元，被配置成响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
34.可选地，图像数据划分单元进一步被配置成：
35.将不同的图像数据中相似度超出预设阈值的图像特征聚为一类，进而得到各聚类簇。
36.可选地，图像数据划分单元进一步被配置成：
37.将各聚类簇对应的图像数据划分为第二图像数据；
38.根据图像数据和第二图像数据，确定第一图像数据。
39.可选地，采样单元进一步被配置成：
40.对第一图像数据进行区域划分，以得到区域划分数据；
41.对区域划分数据基于正交基进行随机采样，以得到对应的稀疏数据。
42.可选地，获取单元进一步被配置成：
43.提取图像数据对应的高层特征和低层特征。
44.可选地，图像数据划分单元进一步被配置成：
45.对高层特征和低层特征进行融合，以得到融合特征；
46.对融合特征进行聚类，以得到对应的各聚类簇。
47.可选地，图像数据划分单元进一步被配置成：
48.获取高层特征对应的第一置信度评分和低层特征对应的第二置信度评分；
49.基于第一置信度评分和第二置信度评分对高层特征和低层特征进行融合，以得到融合特征。
50.另外，本技术还提供了一种数据处理设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述的数据处理方法。
51.另外，本技术还提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述的数据处理方法。
52.为实现上述目的，根据本技术实施例的又一个方面，提供了一种计算机程序产品。
53.本技术实施例的一种计算机程序产品，包括计算机程序，程序被处理器执行时实现本技术实施例提供的数据处理方法。
54.上述发明中的一个实施例具有如下优点或有益效果：本技术通过获取图像数据，进而提取图像数据对应的图像特征；对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；对第二图像数据和稀疏数据进行存储；响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。以减轻图像数据存储压力，减少图像数据占用存储的空间，同时可以高质量的重建图像，很大程度地缓解存储设备存储压力过大问题。
55.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
56.附图用于更好地理解本技术，不构成对本技术的不当限定。其中：
57.图1是根据本技术一个实施例的数据处理方法的主要流程的示意图；
58.图2是根据本技术一个实施例的数据处理方法的主要流程的示意图；
59.图3是根据本技术一个实施例的数据处理方法的主要流程示意图；
60.图4是根据本技术实施例的数据处理装置的主要单元的示意图；
61.图5是本技术实施例可以应用于其中的示例性系统架构图；
62.图6是适于用来实现本技术实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
63.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
64.图1是根据本技术一个实施例的数据处理方法的主要流程的示意图，如图1所示，数据处理方法包括：
65.步骤s101，获取图像数据，进而提取图像数据对应的图像特征。
66.本实施例中，数据处理方法的执行主体(例如，可以是服务器)可以通过有线连接
或无线连接的方式，获取图像数据。图像数据例如可以是电子照片。电子照片的格式可以是ipeg、gif等压缩格式。执行主体可以对获取的图像数据中的像素以数字代码的形式记录保存，以实现对获取的图像数据的处理。
67.执行主体在获取图像数据后，还可以提取图像数据对应的图像特征。具体地，执行主体可以将获取的图像数据输入至特征提取模型，例如cnn模型，利用cnn模型的卷积层和池化层提取输入的图像数据的图像特征。图像特征包括颜色特征、纹理特征、形状特征和空间关系特征等。其中，颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质；纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质；形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征，图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域；空间关系特征，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。
68.步骤s102，对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据。
69.本技术实施例中，获取的图像数据中可以包括一张或多张图像，当包括多张图像时，执行主体可以对从多张图像提取的图像特征基于颜色、纹理进行对比，进而将对比结果为相同或相似的图像特征进行聚类，以得到各聚类簇。然后，执行主体可以基于各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据。具体地，第一图像数据可以为一张图像中的一部分(例如a1)，第二图像数据可以为该一张图像中的另一部分(例如a2，其中，a1 a2可以组成一整张图像)。
70.具体地，对图像特征进行聚类，以得到各聚类簇，包括：
71.将不同的图像数据中相似度超出预设阈值的图像特征聚为一类，进而得到各聚类簇。
72.执行主体可以将获取到的图像数据对应的各张图像中相似的部分聚为一类(也即将不同图像中相似度超出预设阈值的图像特征聚为一类)，将不相似的部分聚为另一类(也即将相似度低于预设阈值的图像特征聚为另一类)，进而得到各个聚类簇。
73.具体地，根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据，包括：
74.将各聚类簇对应的图像数据划分为第二图像数据，即相似的部分对应的图像数据。图像数据形成聚类簇即表明图像数据对应的各张图像中有相似的部分，可以将相似的部分划分为第二图像数据，将各张图像中除了第二图像数据之外的其他数据划分为第一图像数据，也即不相似的部分对应的图像数据。
75.根据图像数据和第二图像数据，确定第一图像数据。
76.执行主体可以将获取的图像数据对应的各张图像划分为两部分，一部分是聚类簇对应的图像数据，也即第二图像数据，另一部分是各张图像中除了聚类簇对应的图像数据之外的图像数据，也即第一图像数据。
77.步骤s103，对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据。
78.具体地，对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据，包括：
79.对第一图像数据进行区域划分，以得到区域划分数据。执行主体可以对不相似的部分对应的图像数据(即第一图像数据)进行区域划分，得到各个划分区域(即区域划分数据)。对区域划分数据基于正交基进行随机采样，以得到对应的稀疏数据。正交基即为将压缩感知应用到图像处理中时，所用到的稀疏基，也就是说利用压缩感知理论进行针对图像的数据处理时，所用到的稀疏基为正交基，正交基内任意两个不同的基的内积为0，将大大简化计算，在随机采样中，用正交基进行随机采样，可以增加稀疏性，使其数据更加集中。
80.压缩感知，即信号是稀疏的或者在变化域内是稀疏的，可以使用一个与稀疏基不相关的观测矩阵将高维信号投影到一个低维的空间上，后续可通过求解优化问题用这些投影以高概率重构出原信号。将压缩感知应用到针对图像的数据处理中，可以包括以下执行步骤：a.寻找合适的稀疏基；b.设计不相干的感知矩阵；c.构建重建算法。利用压缩感知可以减少电子照片采集数量，减轻数据存储压力，同时可以高质量地重建电子照片，能极大程度地缓解存储设备存储压力过大的问题。
81.步骤s104，对第二图像数据和稀疏数据进行存储。
82.执行主体在得到第一图像数据对应的稀疏数据后，可以将第二图像数据(也就是各张图像中有相似的部分的图像数据)和稀疏数据存储。具体可以存储于本地或者云端，本技术实施例对存储的位置不做具体限定。
83.步骤s105，响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
84.当执行主体检测到用户对存储的第二图像数据和稀疏数据的调用操作时，可以表明用户需要查看该第二图像数据和稀疏数据对应的原图像，则执行主体可以利用omp算法对稀疏数据进行重建得到对应的第一图像数据，然后执行主体可以将重建的第一图像数据和调用的第二图像数据进行拼接得到还原的图像数据并输出显示。
85.本实施例通过获取图像数据，进而提取图像数据对应的图像特征；对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；对第二图像数据和稀疏数据进行存储；响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。以减轻图像数据存储压力，减少图像数据占用存储的空间，同时可以高质量的重建图像，很大程度地缓解存储设备存储压力过大问题。
86.图2是根据本技术一个实施例的数据处理方法的主要流程示意图，如图2所示，数据处理方法包括：
87.步骤s201，获取图像数据，提取图像数据对应的高层特征和低层特征。
88.高层特征，例如当图像数据对应人脸图像时，则高层特征可以为一张人脸，低层特征为轮廓、鼻子、眼睛等。执行主体可以将获取的图像数据输入至特征提取模型，以调用特征提取模型中的深层神经网络提取高层特征，调用特征提取模型中的浅层神经网路提取低层特征，并可以输出高层特征的置信度评分和浅层特征的置信度评分。其中，置信度得分用于表征特征提取模型输出的特征的可信度。
89.步骤s202，对高层特征和低层特征进行融合，以得到融合特征。
90.特征融合方法能够综合利用高层特征和低层特征，实现多特征的优势互补，以获得更加鲁棒和准确性的聚类结果。
91.具体地，对高层特征和低层特征进行融合，以得到融合特征，包括：
92.获取高层特征对应的第一置信度评分和低层特征对应的第二置信度评分；执行主体可以从特征提取模型的输出中获取高层特征对应的置信度得分，即第一置信度得分，可以从特征提取模型的输出中获取低层特征的置信度得分，即第二置信度得分。
93.基于第一置信度评分和第二置信度评分对高层特征和低层特征进行融合，以得到融合特征。
94.执行主体可以将高层特征通过词嵌入的方式转化成高层特征向量，例如a，将第一置信度得分作为高层特征向量的权重，例如x1，将低层特征通过词嵌入的方式转化成低层特征向量b，将第二置信度得分作为低层特征向量的权重，例如x2，得到融合特征c，例如c＝a*x1 b*x2，其中*代表乘以的意思，a*x1含义为a与x1的乘积，b*x2含义为b与x2的乘积。
95.步骤s203，对融合特征进行聚类，以得到对应的各聚类簇。
96.执行主体可以对经过融合后得到的融合特征根据融合特征之间的相似度进行聚类，将相似度超出阈值的融合特征聚为一类，进而得到各聚类簇。通过基于融合特征进行聚类，可以使得得到的各聚类簇更准确，从而为图像的精确划分奠定基础。
97.步骤s204，根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据。
98.根据聚类簇对获取的图像数据进行划分，将图像数据对应的每个图像划分为与其他图像一致的部分和不一致的部分，分别称为第一图像数据和第二图像数据。其中，其他图像指的是图像数据对应的各个图像中除了当前处理的图像之外的图像。也就是将获取的图像数据对应各个图像中一致的部分确定出来，将不一致的部分也确定出来，其中，将一致的部分称为第二图像数据，将不一致的部分称为第一图像数据。通过基于融合特征得到的聚类簇对图像数据进行划分，可以使得划分的图像数据更准确。
99.步骤s205，对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据。
100.步骤s206，对第二图像数据和稀疏数据进行存储。
101.步骤s207，响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
102.本技术实施例可以减轻图像数据存储压力，减少图像数据占用存储的空间，同时可以高质量的重建图像，很大程度地缓解存储设备存储压力过大问题。
103.图3是根据本技术一个实施例的数据处理方法的应用场景示意图。本技术实施例的数据处理方法，可以应用于存储图像的场景。如图3所示，在存储图像过程中，很多图像中有相似的部分，首先将图像模板数据中不变的图像部分进行全量存储在数据库中。对于图像中的不一致部分，也就是图像可变数据，进行区域划分。对图像中不一致部分进行随机采样，采集5％左右的数据即可，在随机采样中，可以使用正交基进行随机采样，从而可以增加稀疏性，使随机采样得到的数据更加集中。将采集后的稀疏数据进行对图像数据进行存储。利用改进后的omp算法对压缩后的图像数据进行重建以复原图像数据供用户查看。
104.本技术实施例通过利用电子证照系统进行电子照片的存储，建立起正规的计算机
数据库，对于相似的照片，只需存储一份相似的部分，对于图像里不一致的部分，虽然数据存储量相比之前已经有所减少，但可以利用压缩感知的方式进行随机采样，将数据存储量进一步降低。
105.当存储的图像为电子证照时，通过利用部分电子照片具有相似性的特点，例如身份证照片、营业执照这些电子证照，首先将电子照片相似的信息进行储存保存，对于照片里不相似部分采取压缩感知的存储方式，这样在保证能还原照片的前提下，还能极大程度的降低数据存储量，有效缓解存储设备的压力。随着电子证照的推广，需要存储的电子照片也来越多，对硬件设施和存储空间也有了更高的要求，为了缓解设备的存储压力，利用部分电子照片的相似性，对于图像里一致的部分进行全量存储，对于不一致的部分，采用压缩感知的方式再次降低要存储的数据量，有效地缓解了设备的存储压力。
106.图4是根据本技术实施例的数据处理装置的主要单元的示意图。如图4所示，数据处理装置400包括获取单元401、图像数据划分单元402、采样单元403、存储单元404和输出单元405。
107.获取单元401，被配置成获取图像数据，进而提取图像数据对应的图像特征。
108.图像数据划分单元402，被配置成对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据。
109.采样单元403，被配置成对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据。
110.存储单元404，被配置成对第二图像数据和稀疏数据进行存储。
111.输出单元405，被配置成响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
112.在一些实施例中，图像数据划分单元402进一步被配置成：将不同的图像数据中相似度超出预设阈值的图像特征聚为一类，进而得到各聚类簇。
113.在一些实施例中，图像数据划分单元402进一步被配置成：将各聚类簇对应的图像数据划分为第二图像数据；根据图像数据和第二图像数据，确定第一图像数据。
114.在一些实施例中，采样单元403进一步被配置成：对第一图像数据进行区域划分，以得到区域划分数据；对区域划分数据基于正交基进行随机采样，以得到对应的稀疏数据。
115.在一些实施例中，获取单元401进一步被配置成：提取图像数据对应的高层特征和低层特征。
116.在一些实施例中，图像数据划分单元402进一步被配置成：对高层特征和低层特征进行融合，以得到融合特征；对融合特征进行聚类，以得到对应的各聚类簇。
117.在一些实施例中，图像数据划分单元402进一步被配置成：获取高层特征对应的第一置信度评分和低层特征对应的第二置信度评分；基于第一置信度评分和第二置信度评分对高层特征和低层特征进行融合，以得到融合特征。
118.需要说明的是，在本技术数据处理方法和数据处理装置在具体实施内容上具有相应关系，故重复内容不再说明。
119.图5示出了可以应用本技术实施例的数据处理方法或数据处理装置的示例性系统架构500。
120.如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
121.用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
122.终端设备501、502、503可以是具有数据处理屏并且支持网页浏览的各种设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
123.服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所获取的图像数据提供支持的后台管理服务器(仅为示例)。后台管理服务器可以获取图像数据，进而提取图像数据对应的图像特征；对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；对第二图像数据和稀疏数据进行存储；响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。以减轻图像数据存储压力，减少图像数据占用存储的空间，同时可以高质量的重建图像，很大程度地缓解存储设备存储压力过大问题。
124.需要说明的是，本技术实施例所提供的数据处理方法一般由服务器505执行，相应地，数据处理装置一般设置于服务器505中。
125.应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
126.下面参考图6，其示出了适于用来实现本技术实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
127.如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有计算机系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
128.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶征信授权查询处理器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
129.特别地，根据本技术公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可
拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本技术的系统中限定的上述功能。
130.需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
131.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
132.描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、图像数据划分单元、采样单元、存储单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
133.作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备获取图像数据，进而提取图像数据对应的图像特征；对图像特征进行聚类，以得到各聚类簇，进而根据各聚类簇对图像数据进行划分，以得到第一图像数据和第二图像数据；对第一图像数据基于正交基进行随机采样，以得到对应的稀疏数据；对第二图像数据和稀疏数据进行存储；响应于检测到用户对存储的第二图像数据和稀疏数据的调用操作，基于稀疏数据执行数据重建进程，以得到重建的第一图像数据，进而与第二图像数据组合得到还原的图像数据并输出。
134.本技术的计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本技术实施例中的数据处理方法。
135.根据本技术实施例的技术方案，可以减轻图像数据存储压力，减少图像数据占用存储的空间，同时可以高质量的重建图像，很大程度地缓解存储设备存储压力过大问题。
136.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。