基于hadoop平台的图像场景分类方法研究

《基于hadoop平台的图像场景分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＴＰ３９１．４公开：中图分类号密级：ＵＤＣ：本校编号：續Ｗ义逸乂肇硕±学位论文论规目：基于ＨａｄＯＯＰ平台的图像场景分类方法盤研究生姓名：李狱学号：０２１３０６５５学校指导教师姓名：党建武职疏：教授申请学位等级工学硕去系统结拘：专业：计算机２０１６年〇４月论义答辩日期２０１６年０６月论文提交日期：：独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研巧工作和取得的研究成果，除了文中特别加标注和致谢之处外，论文

2、中不包含其他人已经发表或撰写过的研究成果，也不包含获得兰州巧通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研巧所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名；签字日期：＞么丰＾月日学位论文版权使用授权书本学位论文作者完全了解兰州巧通大学有关保留、使用学位论文的规定。特授权兰州巧通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印。、缩印或扫描等复制手段保存、汇编供查阅和借阅同意学校向国家有关部口或机构

3、送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）＾学位论文作者签名：＾６导师签名；心／签字曰期：年／月曰签字曰期年月疋＾＾曰硕士学位论文基于Hadoop平台的图像场景分类方法研究ResearchonImageSceneClassificationMethodbasedonHadoopPlatform作者姓名：李勋学科、专业：计算机系统结构研究方向：图像处理学号：02130655指导教师：党建武完成日期：2016年04月兰州交通大学LanzhouJiaotongUnive

4、rsity兰州交通大学硕士学位论文摘要近年来随着互联网用户的不断增加，用户产生的信息呈现出指数级的增长，这些信息中的很大一部分都是以数字图像的形式存储的，面对海量的图像数据，在充分识别图像的基础上既要对其准确的分类，又能做到速度较快，这个问题已经越来越受到研究人员的关注。不同的图像场景通常以一些具有代表性的图像语义内容来体现其语义信息，因此可以用一组语义类别来标注图像数据。图像场景分类不仅有利于图像分类和检索，同时诸如目标识别等更高层次的图像理解，图像场景分类也可以为其提供准确的语义信息。然而图像底层特征

5、和高层语义之间是存在鸿沟的，为了能够消除它们之间的鸿沟并提高准确率，将图像的局部不变特征转化为局部语义是目前解决该问题的一种重要方法。同时，Hadoop平台的出现为大规模图像处理提供了一个可靠、稳定、高效的计算平台。因此本文在Hadoop平台下完成了基于局部语义的图像场景分类，本文的主要工作有以下4个方面：(1)由于Hadoop平台不支持图像数据处理，因此本文设计并实现了基于MapReduce的图像并行化处理平台，使得单幅图像成为MapReduce的处理单元，解决了Hadoop不能够并行处理图像数据的问题

6、。(2)由于图像处理算法通常使用C、C++和MATLAB等编写，而Hadoop平台是由Java编写，因此，针对二者源码冲突的问题，本文借助JavaCV来调用底层的OpenCV库，同时在Hadoop集群的每个节点安装OpenCV库，实现了OpenCV跨平台、分布式提取图像底层特征。(3)BoF模型借鉴了文本处理领域中BoW模型的思想，将图像看作由视觉单词组成的文档，通过计算图像中不同的视觉单词出现的次数，得出图像视觉单词词频向量。由于该方法能够较好地将图像的SIFT特征转化为图像局部语义，因此本文利用Map

7、Reduce实现了BoF模型，能够快速地将大量图像SIFT特征转化为图像局部语义。(4)LDA算法最初用于文本分类，而正是因为图像语义的出现，所以随后LDA被应用到图像场景分类领域中。因此本文研究了LDA算法的并行化原理并利用MapReduce实现了并行LDA算法，在此基础上完成了图像场景分类的研究。关键词：图像场景分类；Hadoop；MapReduce；SIFT；BoF；LDA论文类型：应用研究-I-基于Hadoop平台的图像场景分类方法研究AbstractInrecentyears,withthein

8、creasingoftheinternetusers,theinformationgeneratedbytheusersisgrowingexponentially.Mostofthemarestoredintheformofdigitalimages.Researchersareincreasinglyconcernedabouttherapidandefficientclassificationofthesemassive