基于內(nèi)容的圖像檢索并行算法研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的飛速發(fā)展，PC和移動(dòng)終端的普及，人類社會(huì)迎來(lái)了以“大數(shù)據(jù)”為標(biāo)志的新時(shí)代。圖像因包含豐富、生動(dòng)的信息及其易生成和易獲取性，在信息“大數(shù)據(jù)”中扮演著越來(lái)越重要的角色。其中如何從大規(guī)模的圖像庫(kù)中快速而準(zhǔn)確的檢索到用戶所需的圖片獲取相應(yīng)的信息是亟待解決的問(wèn)題。為解決這個(gè)問(wèn)題，本文從圖像的檢索算法和算法并行化兩個(gè)方面展開了研究。主要的研究工作和內(nèi)容如下：
　?。?）分析了局部二值模式紋理特征（Loca

2、l Binary Pattern,LBP）、均勻模式(Uniform Pattern LBP,UP-LBP)、梯度方向直方圖(Histogram of Oriented Gradients, HOG)和分層梯度方向直方圖(Pyramid Histogram of Oriented Gradients,PHOG)特征的提取算法。
　?。?）針對(duì)提取的特征的高維性和檢索圖像的規(guī)模性，而位置敏感哈希（Locality Sensitive

3、 Hashing,LSH）算法在求解近似最近鄰問(wèn)題相比傳統(tǒng)算法更具有優(yōu)越性。因此在特征匹配查找時(shí)采用位置敏感哈希LSH算法進(jìn)行索引匹配，降低查詢時(shí)間，提高檢索效率。文中提出了基于紋理特征UP-LBP的LSH圖像檢索優(yōu)化算法，基于形狀特征PHOG的LSH圖像檢索優(yōu)化算法，最后在這兩個(gè)算法的基礎(chǔ)上提出一種新的雙特征協(xié)同檢索優(yōu)化算法，即應(yīng)用LSH對(duì)UP-LBP和PHOG特征分別檢索的最近鄰再次由對(duì)方檢索的迭代協(xié)同檢索算法，以此提高最后檢索的查

4、準(zhǔn)率和查全率。
　　（3）針對(duì)圖像數(shù)據(jù)庫(kù)的海量性，而Hadoop云平臺(tái)上的分布式文件系統(tǒng)具有海量存儲(chǔ)性和并行計(jì)算模型MapReduce支持并行計(jì)算。因此為了更進(jìn)一步的提高檢索算法效率，本文采用Hadoop平臺(tái)上的MapReduce并行計(jì)算框架對(duì)本文提出的算法進(jìn)行實(shí)現(xiàn)。本文基于Hadoop分布式的計(jì)算平臺(tái)從整體上作出了圖像檢索框架，其包括4個(gè)關(guān)鍵的核心模塊，圖像特征提取模塊，構(gòu)建圖像索引模塊，圖像哈希索引檢索模塊以及二次特征檢索多表