基于云平臺(tái)的大規(guī)模圖像檢索研究.pdf

1、隨著互聯(lián)網(wǎng)、多媒體技術(shù)以及計(jì)算機(jī)視覺的快速發(fā)展，衍生出了大量的多媒體數(shù)據(jù)，這些數(shù)據(jù)多以圖像、視頻的形式呈現(xiàn)。一方面這些圖像充斥于數(shù)字網(wǎng)絡(luò)中給人們提供了豐富的共享資源和絢麗的視覺體驗(yàn)，另一方面，在面對紛繁復(fù)雜的海量圖像時(shí)如何對其進(jìn)行組織和管理，并快速準(zhǔn)確的挖掘出我們所需要的信息成為一個(gè)現(xiàn)實(shí)而緊迫的問題。盡管圖像檢索從初期的基于文本關(guān)鍵詞發(fā)展到了基于圖像內(nèi)容的檢索(Content-based image retrieval，CBIR)方式，

2、但是大數(shù)據(jù)環(huán)境下以圖搜圖的檢索方式不僅繼承了CBIR的難點(diǎn)，包括特征描述的區(qū)分度，特征匹配的精確度和復(fù)雜度等，更催生了一些新的問題。因此一種基于內(nèi)容的實(shí)現(xiàn)圖像快速檢索、并行處理、及時(shí)響應(yīng)的圖像檢索方法成為了研究熱點(diǎn)。于是，伴隨大數(shù)據(jù)而生的云平臺(tái)成了人們解決問題的一個(gè)新方向。作為面向研究者的開源平臺(tái)，Hadoop因其獨(dú)特的計(jì)算與存儲(chǔ)優(yōu)勢，也開始被研究者用來解決各種問題。
　　鑒于上述問題，本文開展了基于云平臺(tái)Hadoop進(jìn)行大規(guī)模圖

3、像檢索的問題研究，利用Hadoop平臺(tái)實(shí)現(xiàn)大規(guī)模圖像的并行檢索。本文將圖像檢索分為兩個(gè)階段:第一階段是基于中層特征二值Fisher向量得到候選圖像集合的“粗篩選”階段;第二階段是基于底層特征SIFT特征對候選圖像集合進(jìn)行重排序得到圖像檢索結(jié)果的“細(xì)排序”階段。論文的主要工作包括如下幾方面:
　　(1)提出圖像特征描述文件的合并存儲(chǔ)，減少Hadoop對小文件的處理開銷;提出對全局特征描述子Fisher向量的二值化表達(dá)，加速大數(shù)據(jù)環(huán)境

4、下的圖像特征比對;提出了分布式環(huán)境下緩存查詢圖像特征的實(shí)現(xiàn)方法，減少I/O訪問量。在此基礎(chǔ)上，在Holidays、Kentucky、Flickr1M數(shù)據(jù)集上進(jìn)行了云平臺(tái)Hadoop下的并行圖像檢索實(shí)驗(yàn)，并從文件組織方式、圖像檢索效率和圖像檢索準(zhǔn)確率三個(gè)方面進(jìn)行了分析與總結(jié)。
　　(2)為了對比云平臺(tái)下的圖像檢索，在單機(jī)上進(jìn)行了基于倒排索引的圖像檢索測試，分別在Holidays、Kentucky、Flickr1M數(shù)據(jù)集上進(jìn)行了單機(jī)下