基于内容的海量图像搜索引擎研究

论文摘要

随着互联网中图像资源的爆发性增长,图像检索已成为快速准确获取所需图像的一种重要手段。目前,该技术被认为在通用图像检索,视频对象跟踪,不良信息过滤,版权保护等领域中具有广阔的应用前景。传统的基于内容的图像检索技术在图像检索实时性方面存在性能瓶颈,且难以支撑海量图像检索。本文主要从三个方面研究基于内容的海量图像搜索引擎的关键技术,以有效提升图像检索效率。论文主要研究工作如下：(1)针对海量图像环境下图像高维特征向量索引具有较高匹配时间复杂度的问题,研究提出一种基于局部敏感哈希(Locality Sensitive Hashing, LSH)的图像特征索引优化算法。通过该算法,本文分别对图像全局特征和局部特征SIFT特征在分布式文件系统中建立索引。实验分析表明,该算法与其它图像特征索引算法相比,具有更低的匹配时间复杂性。(2)为了提高传统图像多特征融合方法的匹配效率,研究提出一种基于核函数的图像多特征二级融合算法。该算法实现过程主要包括图像全局特征核函数的线性融合,图像相似度判定以及SIFT局部特征二级融合。该方法充分利用了图像全局特征和局部特征的优势,分阶段融合两类图像特征。实验结果表明,该算法在保持图像匹配准确度的情况下,有效提高图像匹配效率。(3)根据上述两项研究,针对海量图像及图像特征数据的计算与存储问题,利用Hadoop分布式计算技术,研究开发海量图像搜索引擎原型系统。本文开发的原型系统经分布式运行环境(6台节点服务器)测试,验证了论文成果的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 国内外研究现状及发展趋势
• 1.2.1 国外研究发展现状
• 1.2.2 国内研究发展现状
• 1.3 本文研究内容
• 1.4 本文组织结构
• 第二章 基于内容的图像检索技术概述
• 2.1 CBIR系统基本体系架构
• 2.2 图像特征提取
• 2.2.1 图像颜色特征提取
• 2.2.2 基于Gabor的图像纹理特征提取
• 2.2.3 图像形状特征提取
• 2.2.4 图像SIFT特征提取
• 2.3 图像匹配与相似度度量方法
• 2.4 图像检索性能评价
• 2.5 本章小结
• 第三章 基于LSH的图像高维特征向量索引方法
• 3.1 多维数据索引及其查询方式
• 3.1.1 多维数据索引
• 3.1.2 多维数据索引查询方式
• 3.1.3 图像高维数据索引技术
• 3.2 基于LSH的高维数据索引
• 3.3 图像全局特征与局部特征的索引
• 3.3.1 图像全局特征索引
• 3.3.2 图像SIFT特征索引
• 3.4 实验分析
• 3.5 本章小结
• 第四章 基于核函数的图像多特征二级融合算法
• 4.1 不同图像特征特点
• 4.1.1 颜色特征特点
• 4.1.2 纹理特征特点
• 4.1.3 形状特征特点
• 4.1.4 SIFT特征特点
• 4.2 核函数
• 4.2.1 核函数的原理
• 4.2.2 核函数的构造
• 4.2.3 常用核函数
• 4.3 算法分析与设计
• 4.3.1 算法分析
• 4.3.2 算法设计
• 4.4 实验结果
• 4.5 本章小结
• 第五章 基于内容的海量图像搜索引擎
• 5.1 分布式运行环境设计
• 5.1.1 Hadoop环境搭建
• 5.1.2 图像分布式存储与管理
• 5.2 基于内容图像检索系统架构
• 5.3 运行效果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 详细摘要