Hadoop平台下基于BoVW模型的图像检索研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景和意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 图像检索研究现状 | 第11-12页 |
| 1.3.2 Hadoop平台应用研究现状 | 第12-14页 |
| 1.4 视觉词袋模型的研究分析 | 第14-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第2章 基于Hadoop的SIFT特征提取 | 第19-33页 |
| 2.1 Hadoop平台 | 第19-23页 |
| 2.1.1 HDFS分布式文件系统 | 第19-21页 |
| 2.1.2 MapReduce基本原理 | 第21-22页 |
| 2.1.3 MapReduce任务运行机制 | 第22-23页 |
| 2.2 Hadoop处理图像数据 | 第23-25页 |
| 2.3 SIFT特征提取 | 第25-31页 |
| 2.3.1 SIFT算法原理 | 第25-29页 |
| 2.3.2 并行化SIFT特征提取 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于Hadoop的视觉词典构建 | 第33-45页 |
| 3.1 传统的视觉词典构建 | 第33-34页 |
| 3.2 改进的并行视觉词典构建 | 第34-41页 |
| 3.2.1 局部敏感哈希函数构建 | 第35-39页 |
| 3.2.2 优化初始中心点选取 | 第39页 |
| 3.2.3 并行化K-means迭代 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于Hadoop的图像表示及检索 | 第45-53页 |
| 4.1 图像表示 | 第45-46页 |
| 4.2 TF-IDF加权 | 第46-48页 |
| 4.3 基于倒排索引的并行图像检索 | 第48-52页 |
| 4.3.1 倒排索引原理 | 第48-49页 |
| 4.3.2 并行化生成倒排索引 | 第49-51页 |
| 4.3.3 并行化图像检索 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 性能测试与分析 | 第53-69页 |
| 5.1 检索框架 | 第53-54页 |
| 5.2 集群配置与实验数据 | 第54-55页 |
| 5.3 SIFT特征提取 | 第55-58页 |
| 5.3.1 特征提取效果呈现 | 第55-57页 |
| 5.3.2 特征提取时间分析 | 第57-58页 |
| 5.4 视觉词典构建 | 第58-62页 |
| 5.4.1 视觉词典构建时间 | 第58-59页 |
| 5.4.2 视觉词典构建效果 | 第59-62页 |
| 5.5 图像在线查询 | 第62-68页 |
| 5.5.1 检索结果展示 | 第62-65页 |
| 5.5.2 图像检索效率 | 第65-66页 |
| 5.5.3 并行算法性能测试 | 第66-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表的学术成果及参与的科研项目 | 第76页 |
