应用MapReduce与视觉描述符的图像检索算法

摘要

为了提高海量图像数据库的图像检索效率,提出了一种基于改进视觉描述符的海量数据图像检索算法。首先,设计了图像的视觉特征提取算法与图像兴趣点的提取算法,通过高斯分布的差分方法(DOG)搜索尺度空间的兴趣点,通过尺度不变特征描述符提取兴趣点的视觉特征;然后,对二叉搜索树进行修改,将图像中每一对兴趣点的图像ID作为键值(key),2个兴趣点的相似性作为二叉树的值(value),通过二叉搜索树提高搜索的效率;最终,设计了基于key-value的索引方案将图像小文件组织成一个大文件,利用云计算的MapReduce并行计算模块计算查询图像与图像库之间的相似性。基于公开的高维数据集与大数据集进行了实验,结果表明:本算法不仅实现了较高的检索准确率,并且明显地提高了大数据集的图像检索时间效率。