论文部分内容阅读
目前Web网站在数量和规模上的迅速发展,Web使用者的规模也日益庞大,在这种情况下对Web网站性能优化的需求非常迫切。CSS Sprites技术属于一种图片优化方法,将网站中很多零散的小图进行整合,生成一张大图然后,一起下载,如此会减少http请求次数与系统响应时间。现有的CSS Sprites网页图片合成方法不能同时兼顾自动化合成与方便开发人员开发与维护,严重束缚着开发人员的开发效率,增加了IT企业的运营成本。结合CSS Sprites图片内容简洁,颜色单一的特点,本文的主要工作如下；1.分析和研究了基于内容的图像聚类技术,总结了目前流行的图像特征提取方法、相似度计算模型等,CSS Sprites图片合成中引入基于内容的图像聚类技术,选择适合的图像特征表示与相似度计算模型应用其中,弥补现在CSS Sprites图片合成这种存在的不足；2.提出了综合宽高、颜色和形状的多特征提取与表示方法,使CSS Sprites小图片的相似度匹配更加快速,准确；3.研究了聚类算法,重点研究应用广泛的K-means算法,分析了K-means的优缺点,结合CSS Sprites图片特点提出了加权的欧氏距离相似度计算以及多特征的相似度度量方法对K-means算法中使用的欧氏距离存在的问题进行改进；4.将K-means聚类算法的应用到CSS Sprites图片合成中,并结合综合多特征提取与表示方法和加权欧氏距离,提出了CSS Sprites图像聚类算法,并通过实验分析后,能够达到自动生成布局合理,可维护性强的CSS Sprites图片的目的,从而提高开发人员的开发效率。通过本文进行的工作,使CSS Sprites网页图片合成方法能够兼顾自动化合成与方便开发人员开发与维护,大大地提高了开发人员的开发效率,节约企业的运营成本。