基于內(nèi)容的海量圖像搜索引擎研究.pdf

1、隨著互聯(lián)網(wǎng)中圖像資源的爆發(fā)性增長，圖像檢索已成為快速準(zhǔn)確獲取所需圖像的一種重要手段。目前，該技術(shù)被認(rèn)為在通用圖像檢索，視頻對象跟蹤，不良信息過濾，版權(quán)保護(hù)等領(lǐng)域中具有廣闊的應(yīng)用前景。傳統(tǒng)的基于內(nèi)容的圖像檢索技術(shù)在圖像檢索實時性方面存在性能瓶頸，且難以支撐海量圖像檢索。本文主要從三個方面研究基于內(nèi)容的海量圖像搜索引擎的關(guān)鍵技術(shù)，以有效提升圖像檢索效率。論文主要研究工作如下：
　　(1)針對海量圖像環(huán)境下圖像高維特征向量索引具有較高匹

2、配時間復(fù)雜度的問題，研究提出一種基于局部敏感哈希(Locality Sensitive Hashing，LSH)的圖像特征索引優(yōu)化算法。通過該算法，本文分別對圖像全局特征和局部特征SIFT特征在分布式文件系統(tǒng)中建立索引。實驗分析表明，該算法與其它圖像特征索引算法相比，具有更低的匹配時間復(fù)雜性。
　　(2)為了提高傳統(tǒng)圖像多特征融合方法的匹配效率，研究提出一種基于核函數(shù)的圖像多特征二級融合算法。該算法實現(xiàn)過程主要包括圖像全局特征核函

3、數(shù)的線性融合，圖像相似度判定以及SIFT局部特征二級融合。該方法充分利用了圖像全局特征和局部特征的優(yōu)勢，分階段融合兩類圖像特征。實驗結(jié)果表明，該算法在保持圖像匹配準(zhǔn)確度的情況下，有效提高圖像匹配效率。
　　(3)根據(jù)上述兩項研究，針對海量圖像及圖像特征數(shù)據(jù)的計算與存儲問題，利用Hadoop分布式計算技術(shù)，研究開發(fā)海量圖像搜索引擎原型系統(tǒng)。
　　本文開發(fā)的原型系統(tǒng)經(jīng)分布式運行環(huán)境(6臺節(jié)點服務(wù)器)測試，驗證了論文成果的有效性。