基于顏色和SIFT特征的圖像檢索技術及其分布式實現(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，設計檢索算法，構建圖像檢索系統(tǒng)和提升系統(tǒng)性能。
　　本文的工作可以分為圖像特征分析、檢索算法設計和基于Hadoop平臺的并行化實現(xiàn)三個部分。本文設計實現(xiàn)了一種基于顏色相關圖和SIFT特征的圖像檢索算法，在此基礎上利用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，分析了他們的優(yōu)缺點和適用場景。其次，為了提高檢索的準確度，本文選擇融合顏色自相關圖和SIFT特征。在此基礎上，本文利用基于密度的DBSCAN聚類算法對64維顏色特征進行聚類，找到與樣例圖像距離最近的類簇，然后在這個類簇范圍內(nèi)進行SIFT特征的提取和匹配以降低算法時間復雜度?？紤]到當兩張圖片的特征點

3、間歐氏距離整體偏大時，傳統(tǒng)的基于SIFT特征點匹配比例的相似性度量方式會丟失一定的空間信息，本文使用SIFT特征匹配點的平均歐氏距離作為相似性度量依據(jù)。
　　最后本文實現(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)集自適應鄰域半徑和鄰域最小點數(shù)的思想，實現(xiàn)了DBSCAN聚類過程的MapReduce化。本文分別對算法的查準率、查全率和Hadoop框架下的系統(tǒng)加速比、效率、擴展率做了評估，驗證