基于顏色和SIFT特征的圖像檢索技術(shù)及其分布式實(shí)現(xiàn).pdf

1、圖像檢索已成為獲取信息的重要手段之一，如何快速準(zhǔn)確地從海量圖像中獲取所需內(nèi)容成為圖像檢索發(fā)展的主要瓶頸。因此本文主要研究如何選擇圖像特征，設(shè)計(jì)檢索算法，構(gòu)建圖像檢索系統(tǒng)和提升系統(tǒng)性能。
　　本文的工作可以分為圖像特征分析、檢索算法設(shè)計(jì)和基于Hadoop平臺(tái)的并行化實(shí)現(xiàn)三個(gè)部分。本文設(shè)計(jì)實(shí)現(xiàn)了一種基于顏色相關(guān)圖和SIFT特征的圖像檢索算法，在此基礎(chǔ)上利用DBSCAN聚類算法把SIFT特征提取和匹配限定在一定范圍內(nèi)，并借助Hadoop

2、大數(shù)據(jù)處理框架構(gòu)建了基于內(nèi)容的圖像檢索系統(tǒng)。
　　本文首先梳理了圖像檢索技術(shù)的發(fā)展及成果，探討了基于文本、內(nèi)容、高層語義的圖像檢索技術(shù)，分析了他們的優(yōu)缺點(diǎn)和適用場景。其次，為了提高檢索的準(zhǔn)確度，本文選擇融合顏色自相關(guān)圖和SIFT特征。在此基礎(chǔ)上，本文利用基于密度的DBSCAN聚類算法對64維顏色特征進(jìn)行聚類，找到與樣例圖像距離最近的類簇，然后在這個(gè)類簇范圍內(nèi)進(jìn)行SIFT特征的提取和匹配以降低算法時(shí)間復(fù)雜度?？紤]到當(dāng)兩張圖片的特征點(diǎn)

3、間歐氏距離整體偏大時(shí)，傳統(tǒng)的基于SIFT特征點(diǎn)匹配比例的相似性度量方式會(huì)丟失一定的空間信息，本文使用SIFT特征匹配點(diǎn)的平均歐氏距離作為相似性度量依據(jù)。
　　最后本文實(shí)現(xiàn)了基于MapReduce的綜合特征提取和匹配，并利用AGD-DBSCAN算法中尋找數(shù)據(jù)集自適應(yīng)鄰域半徑和鄰域最小點(diǎn)數(shù)的思想，實(shí)現(xiàn)了DBSCAN聚類過程的MapReduce化。本文分別對算法的查準(zhǔn)率、查全率和Hadoop框架下的系統(tǒng)加速比、效率、擴(kuò)展率做了評估，驗(yàn)證