摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究工作的背景与意义 | 第11-12页 |
1.2 海量高维图像处理的国内外研究现状 | 第12-14页 |
1.3 本文研究的主要内容 | 第14-15页 |
1.4 课题研究目标 | 第15-16页 |
1.5 论文结构安排 | 第16-17页 |
第二章 框架核心技术介绍 | 第17-34页 |
2.1 Hadoop基本架构 | 第17-21页 |
2.1.1 HDFS架构 | 第17-19页 |
2.1.2 Hadoop Map Reduce架构 | 第19-21页 |
2.2 Map Reduce编程模型 | 第21-27页 |
2.2.1 Map Reduce编程接.体系结构 | 第21-22页 |
2.2.2 Input Format接.的设计与实现 | 第22-25页 |
2.2.3 Output Format接.的设计与实现 | 第25-27页 |
2.2.4 Mapper和Reducer解析 | 第27页 |
2.3 Hadoop输入输出流 | 第27-33页 |
2.3.1 FSData Input Stream | 第28-30页 |
2.3.2 FSInput Stream | 第30-31页 |
2.3.3 FSData Output Stream | 第31-33页 |
2.4 本章小结 | 第33-34页 |
第三章 系统框架设计 | 第34-48页 |
3.1 框架概述 | 第34页 |
3.2 总体架构介绍 | 第34-36页 |
3.2.1 图像数据输入 | 第35页 |
3.2.2 并行图像处理模型 | 第35-36页 |
3.2.3 低延迟动态处理模块 | 第36页 |
3.2.4 响应算法 | 第36页 |
3.2.5 处理结果 | 第36页 |
3.3 并行图像处理模型详细设计 | 第36-43页 |
3.3.1 分布式文件系统介绍 | 第36-37页 |
3.3.2 针对海量高维图像的分布式存储方式 | 第37-40页 |
3.3.3 B图像处理流设计 | 第40-43页 |
3.4 低延迟动态处理模块设计 | 第43-47页 |
3.4.1 系统架构分析 | 第43-44页 |
3.4.2 框架详细设计 | 第44-45页 |
3.4.3 动态代理机制 | 第45-47页 |
3.5 本章小结 | 第47-48页 |
第四章 框架具体实现 | 第48-69页 |
4.1 并行图像处理模型的实现 | 第48-59页 |
4.1.1 Hadoop序列化机制 | 第48-50页 |
4.1.1.1 Hadoop序列化机制的特征 | 第48-49页 |
4.1.1.2 Hadoop Writable机制 | 第49页 |
4.1.1.3 Hadoop序列化框架 | 第49-50页 |
4.1.2 P图像和B图像的实现 | 第50-57页 |
4.1.3 Map Reduce数据流的实现 | 第57-59页 |
4.2 基于Hadoop实现的低延迟动态处理框架 | 第59-67页 |
4.2.1 基于Hadoop实现的低延迟动态处理框架结构介绍 | 第59-67页 |
4.2.1.1 Name Node代理模块 | 第60-62页 |
4.2.1.2 Name Node | 第62页 |
4.2.1.3 匹配模块 | 第62-67页 |
4.3 响应算法实现 | 第67-68页 |
4.3.1 Harris角点检测 | 第67-68页 |
4.3.2 SIFT特征值提取 | 第68页 |
4.3.3 后续算法扩展 | 第68页 |
4.4 本章小结 | 第68-69页 |
第五章 实验结果测试与分析 | 第69-77页 |
5.1 实验环境介绍 | 第69-70页 |
5.2 B图像输入性能实验及分析 | 第70-71页 |
5.3 低延迟动态框架稳定性测试 | 第71-72页 |
5.4 低延迟动态框架压力测试 | 第72-73页 |
5.5 响应算法示例 | 第73-76页 |
5.5.1 Harris | 第73-74页 |
5.5.2 SIFT | 第74-75页 |
5.5.3 与传统方式处理效果的对比 | 第75-76页 |
5.5.4 扩展性分析 | 第76页 |
5.6 本章小结 | 第76-77页 |
第六章 总结 | 第77-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-83页 |
攻硕期间取得的研究成果 | 第83-84页 |