基于Map-Reduce的图像匹配算法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·论文研究的背景 | 第7-8页 |
| ·论文研究的内容与意义 | 第8-9页 |
| ·论文的组织结构 | 第9-11页 |
| 第2章 Map-Reduce 框架 | 第11-23页 |
| ·云计算 | 第11-13页 |
| ·云计算的研究背景 | 第11页 |
| ·云计算的研究现状 | 第11-12页 |
| ·云计算的结构模型 | 第12-13页 |
| ·原生 Map-Reduce 框架介绍 | 第13-15页 |
| ·框架概述 | 第15-21页 |
| ·Hadoop 中的 Map-Reduce | 第15-18页 |
| ·Hadoop 中的 H D FS | 第18-21页 |
| ·Map-Reduce 与并行计算 | 第21-22页 |
| ·Map-Reduce 与并行计算的关系 | 第21页 |
| ·Map-Reduce 与分布式计算的关系 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 图像匹配概述 | 第23-39页 |
| ·图像预处理 | 第23-27页 |
| ·图像增强 | 第23-24页 |
| ·图像复原 | 第24-25页 |
| ·图像几何变换 | 第25-27页 |
| ·图像匹配概述 | 第27-29页 |
| ·图像匹配的定义 | 第27页 |
| ·图像匹配的过程 | 第27-28页 |
| ·图像匹配的性能评价 | 第28-29页 |
| ·图像匹配算法分类 | 第29-37页 |
| ·基于像素灰度的图像匹配 | 第29-30页 |
| ·基于全局特征的图像匹配 | 第30-32页 |
| ·基于局部特征的图像匹配 | 第32-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 SIFT 算法的并行设计与实现 | 第39-53页 |
| ·SIFT 特征提取算法并行设计 | 第39-47页 |
| ·Map-Reduce 函数键值数据类型 | 第39-41页 |
| ·数据的 I/O 格式 | 第41-44页 |
| ·SIFT 特征提取算法并行实现 | 第44-47页 |
| ·SIFT 特征匹配并行化 | 第47-50页 |
| ·Map-Reduce 函数键值数据类型 | 第47页 |
| ·数据的 I/O 格式 | 第47页 |
| ·SIFT 特征匹配算法并行实现 | 第47-50页 |
| ·本章小结 | 第50-53页 |
| 第5章 实验结果与算法性能分析 | 第53-63页 |
| ·实验环境 | 第53-55页 |
| ·集群搭建 | 第53-54页 |
| ·节点配置 | 第54页 |
| ·集群测试 | 第54-55页 |
| ·实验结果分析 | 第55-61页 |
| ·SIFT 特征提取并行算法分析 | 第55-58页 |
| ·SIFT 特征匹配并行算法分析 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 硕士在读期间的研究成果 | 第71-72页 |
