基于Hadoop的外观专利图像检索系统的研究与实现

摘要

传统外观专利检索是基于文本的查询方式,该模式无法充分利用外观专利图片所包含的丰富视觉信息,检索范围大,且图形的相似性主要靠人工识别,工作量大、效率低。为解决传统检索模式所存在的问题,通过基于内容的外观专利图像检索技术,利用图像的形状、纹理和颜色特征对外观专利图像进行描述,根据这些图像特征与专利库中的图像提供相似性判别,实现外观专利图像查询、检索自动化,提高外观设计相似性评判的检索速度和查准率。
　　 但图像检索是数据密集型计算过程,进行图像检索时,将消耗大量CPU资源。现有B／S单节点架构的图像检索系统,随着外观专利数量的快速增长,存在检索速度慢、并发性差、不能处理大规模的数据。在分析现有图像检索系统的基础上,提出了一种基于Hadoop的外观专利图像检索方法,将基于内容的图像检索技术与MapReduce并行计算框架相结合,把外观专利图像和图像特征库存储于HDFS。
　　 Hadoop分布式系统进行图像检索作业时,系统对专利图像特征库进行分割。各数据分块传递给Hadoop分布式系统中各计算节点的Map任务,Map任务以键值对的形式读取专利图像库的特征数据,并提取示例图像的形状、纹理以及颜色特征,与专利特征库中的特征进行相似度匹配计算,计算结果以键值对的形式输出。Reduce任务接收各Map任务的计算结果,按相似度大小进行排序,得到图像检索结果,实现图像检索的分布式计算。
　　 通过普通的PC机搭建Hadoop分布式环境,将开发的图像检索应用程序在Hadoop分布式系统上测试,与现有图像检索系统进行比较。实验结果表明,该方法能够均衡系统负载,提高资源利用率,有效降低了在大数据集上进行图像检索的时间,并对Hadoop分布式系统的负载均衡、可靠性以及可扩展性进行了分析。