一种高性能GML流压缩方法

摘要

本发明属于信息技术中的空间信息获取与处理技术领域，具体是一种GML流压缩方法—GSPress。它在只扫描GML文档一次且不利用GML文件的模式或DTD的情况下，将GML文档的结构和数据分离后分别进行压缩。对于GML文档中的结构部分采用自适应LZ77方法进行压缩；对于文档中的坐标数据则利用增量压缩的方法进行处理。实验结果表明，GSPress可以在压缩性能和压缩效率两个方面上取得较好的权衡，是一种高效的GML流压缩算法。

主权项

本发明为一种GML流压缩方法，其特征在于具体步骤如下：(1)对于给定的GML文件，首先利用SAX解析GML文档，解析结果是一系列事件标记，根据不同的解析结果得到4个不同的数据流：结构数据流、属性数据流、坐标数据流和文本数据流；(2)针对不同的数据流采用不同的压缩算法：对于结构数据流，采用自适应的基于词的LZ77算法进行压缩，即在压缩算法中对结构数据利用自适应方法建立压缩字典，压缩字典初始化为空，遇到新的标签则放入字典，在输出流中输出原值；遇到出现过的标签则先缓存它，继续读取下一个标签，如果此标签和缓存组成的集合不在字典中或者此标签为新出现的话，则输出缓存中标签集合在字典中的索引，将此标签放入缓存；对于属性数据流，尝试寻找相邻属性间的最大的公共子字符串；如果此字符串存在，也将其放入字典，利用相应的索引值代替这个最大公共子字符串；如果不存在，保留原值；此方法利用相同标签下相同属性值之间的相关性，取得属性和第一次遇到的属性间的最大公共子字符串，将其存入字典，利用其在字典中的索引代替此字符串达到压缩的目的；对于坐标数据流我们采用增量压缩的方法进行压缩，该方法对于GML文档中的坐标数据，利用存储相邻坐标之间的差值而不是存储原坐标值，向压缩数据流中输出相邻坐标整数之间的差值，输出坐标小数部分的原值；对于文本数据流，将原始值输入到压缩数据流中。(3)利用上述不同的压缩算法进行压缩后得到不同的压缩流，最后合并成统一的压缩流后利用Gzip压缩；此压缩流在网络上进行传输，在解压缩方得到压缩的数据流后同时进行解压缩，根据数据流中的不同部分利用相对应的解压缩方法，最后组合成原始GML文件。