改進(jìn)K-Means聚類算法在基于Hadoop平臺(tái)的圖像檢索系統(tǒng)中的研究與實(shí)現(xiàn).pdf

1、現(xiàn)代人們的生活已經(jīng)進(jìn)入了移動(dòng)互聯(lián)網(wǎng)時(shí)代，各種移動(dòng)互聯(lián)網(wǎng)設(shè)備的普及和廣泛應(yīng)用極大的方便了人們的生活學(xué)習(xí)等各個(gè)方面。與此同時(shí)，來自各行各業(yè)的大量信息正以多媒體信息的方式數(shù)字化并不斷累積。其中圖像作為最為基本的多媒體信息之一易于理解和使用，人們對(duì)圖像檢索的需求也從開始的根據(jù)文本描述來檢索圖像發(fā)展到根據(jù)圖像內(nèi)容來檢索相似圖像。
　　圖像檢索早已成為計(jì)算機(jī)領(lǐng)域的一個(gè)研究熱點(diǎn)，它可以按照檢索內(nèi)容劃分為基于文本的圖像檢索和基于內(nèi)容的圖像檢索。本

2、文主要的內(nèi)容是如何應(yīng)用大數(shù)據(jù)技術(shù)進(jìn)行基于內(nèi)容的海量圖像檢索技術(shù)的研究和實(shí)現(xiàn)。
　　從數(shù)據(jù)層面分析，一個(gè)基于內(nèi)容的圖像檢索系統(tǒng)要解決大量圖像數(shù)據(jù)的存儲(chǔ)和快速處理兩個(gè)最主要的問題，本文將使用專門用于大數(shù)據(jù)存儲(chǔ)和處理的Hadoop技術(shù)來存儲(chǔ)大量的圖像數(shù)據(jù)并進(jìn)行離線地分布式計(jì)算;從檢索技術(shù)層面分析，要進(jìn)行特征提取和處理，本文將提取圖像的SIFT特征，然后對(duì)這些特征進(jìn)行K-Means聚類，將聚類結(jié)果作為Bag-of-Words模型的視覺詞袋

3、對(duì)所有圖像的SIFT特征點(diǎn)進(jìn)行量化處理，從而用一個(gè)固定維數(shù)的特征向量表示每一幅圖像，此外再用TF-IDF加權(quán)技術(shù)處理這些特征向量，最終計(jì)算這些圖像與檢索圖像特征向量之間的相似度，返回相似度最小的一些圖像。
　　本文使用并修改HIPI-Hadoop圖像處理接口實(shí)現(xiàn)在Hadoop上進(jìn)行圖像類型的存儲(chǔ)處理和檢索，提出了一種改進(jìn)的并行K-Means算法并應(yīng)用于特征點(diǎn)的聚類，使用一種基于面積的相似度計(jì)算方法計(jì)算圖像特征向量間的相似度。改進(jìn)了