| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 2 MapReduce模型概述 | 第14-22页 |
| 2.1 Hadoop技术简介 | 第14-15页 |
| 2.2 HDFS系统 | 第15-17页 |
| 2.3 MapReduce框架 | 第17-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 MapReduce模型下图像并行化处理的设计 | 第22-31页 |
| 3.1 组合分片方法简述 | 第22-23页 |
| 3.2 Hadoop系统的改进 | 第23-27页 |
| 3.2.1 图像数据格式支持问题 | 第23页 |
| 3.2.2 文件格式输入类型扩展 | 第23-25页 |
| 3.2.3 输出过程的改进 | 第25-27页 |
| 3.3 图像并行化处理 | 第27-30页 |
| 3.3.1 MapReduce模型下的K-means聚类实现 | 第27-29页 |
| 3.3.2 MapRedcue模型下的Sobel边缘检测 | 第29页 |
| 3.3.3 MapRedcue模型下的并行直方图提取显示 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 并行环境构建及数据测试 | 第31-39页 |
| 4.1 测试数据集 | 第31-32页 |
| 4.1.1 测试数据集(一) | 第31页 |
| 4.1.2 测试数据集(二) | 第31-32页 |
| 4.2 并行实验环境 | 第32-33页 |
| 4.3 集群的搭建 | 第33-36页 |
| 4.4 Hadoop集群的安全机制 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 MapReduce模型下的图像并行化实现 | 第39-53页 |
| 5.1 图像数据导入的实现 | 第39页 |
| 5.2 图像并行处理的验证性实验 | 第39-41页 |
| 5.3 组合分片方法处理小文件效率对比 | 第41-42页 |
| 5.4 海量图像的并行化实现 | 第42-51页 |
| 5.4.1 MapReduce模型下的K-means聚类实现 | 第42-47页 |
| 5.4.2 MapRedcue模型下的Sobel边缘检测实现 | 第47-50页 |
| 5.4.3 MapRedcue模型下的并行直方图提取显示 | 第50-51页 |
| 5.5 本章小结 | 第51-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |
