期刊文献+

基于SIFT特征图像检索的分布式应用

Distributed image retrieval application based on SIFT feature
下载PDF
导出
摘要 SIFT特征被广泛运用于图像检索,由于其高维度的特性,对于大量图像检索而言,很难在保证准确度的前提下达到理想的速度。本文提出一种基于分布式并行计算的SIFT算法,在hadoop集群下利用K-Means将特征聚类,将聚类中心作为Bag-of-Words模型的视觉词袋,得到所有图像直方图,最终计算这些图像与检索图像特征向量之间的相似度,返回相似度最大的一些图像。 SIFT feature is widely used in image retrieval to ensure the accuracy of image retrieval in a large - scale image dataset, which, however, can hardly achieve a desired speed because of its high dimension. This paper presents a kind of SIFT algorithm based on distributed parallel computation. Cluster centroids acquired by K - Means clustering algorithm are used to generate a visual dictionary of Bag - of - Words model, then we can get the histogram for each image. Finally we calculate the similarity between the images, and return a certain number of images with the largest similarity.
作者 徐文博 吴恋 于国龙 XU Wen-Bo WU Lian YU Guo-Long(College of Computer Science & Information, Guizhou University, Guiyang, Guizhou, 550025 Industrial Internet of Things Engineering Research Center of the Higher Education Institutions of Guizhou Province, Guizhou Education University, Guiyang, Guizhou, 550018)
出处 《贵州师范学院学报》 2016年第9期13-17,共5页 Journal of Guizhou Education University
基金 2016年贵州省省级重点支持学科"计算机应用技术"(黔学位合字ZDXK[2016]20号) 2016年度贵州省科技平台及人才团队专项资金项目(项目编号:黔科合平台人才[2016]5609) 2016年度省教育厅高校自然科学研究项目(黔教合字[2016]015 黔教合KY字[2016]040) 2015年省级高技术产业示范工程专项(黔发改投资[2015]1588号) 2014年省级本科教学工程项目"计算机科学与技术"专业综合改革(黔教高发[2014]378号) 2015年省级本科教学工程建设项目"贵州师范学院大学生互联网+创新创业训练中心"(黔教高发[2015]337号)
关键词 SIFT 图像检索 分布式 SIFT Image retrieval Distributed computation
  • 相关文献

参考文献2

二级参考文献21

  • 1CHUCK LAM. Hadoop in action[M]. Manning,2010. 被引量:1
  • 2TOM WHITE. Hadoop the definitive guide [M]. O'Reillyl Yahoo! PRESS, 2009. 被引量:1
  • 3WILEY K,CONNOLLY A,KRUGHOFF S. Astronomical image processing with Hadoop[A].San Francisco:Astronomical Society of the Pacific,2011.93-96. 被引量:1
  • 4ALMEER M H. Cloud Hadcop map reduce for remote sensing image analysis[J].Journal of Emerging Trends in Computing and Information Sciences,2012,(04):637-644. 被引量:1
  • 5WHITE T. Hadoop:the definitive guide[M].Sebastopol,CA:O'Reilly,2010.203. 被引量:1
  • 6DONG B,QIU J,ZHENG Q. A novel approach to improving the efficiency of storing and accessing small files on Hadoop:a case study by PowerPoint files[A].Washington,DC:IEEE Computer Society,2010.65-72. 被引量:1
  • 7SWEENEY C,LIU L,ARIETTA S. HIPI:a Hadoop image processing interface for image-based mapreduce tasks[D].Charlattesville:University of Virginia,2011. 被引量:1
  • 8CSURKA G,DANCE C,FAN L. Visual categorization with bags of keypoints[A].Berliin Springer,2004.22. 被引量:1
  • 9SIVIC J,ZISSERMAN A. Video Google:a text retrieval approach to object matching in videos[A].Washington,DC:IEEE Computer Society,2003.1470-1477. 被引量:1
  • 10LI F F,PERONA P. A Bayesian hierarchical model for learning natural scene categories[A].Washington,DC:IEEE Computer Society,2005.524-531. 被引量:1

共引文献31

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部