海量图像检索系统设计与实现

摘要

随着互联网和手持移动设备的普及与高速发展，图片与其它多媒体数据进入爆炸式增长的阶段。面对如此海量的图片数据，传统的基于文本的图像检索系统已经不能满足人们的多样化的检索需求。基于内容的图像检索能够利用图像视觉特征如颜色、纹理等对图片进行检索，为用户提供了一种全新的检索方式。基于内容的图像检索系统对图片的存储、特征的提取与匹配等使得系统需要较大的存储和计算量，如何应对海量图片数据情景下的图像计算、存储以及使用合适的图像特征和匹配计算方法成为系统中值得研究和思考的问题。
　　分布式计算和存储技术的发展为解决海量数据的存储和计算问题提供了良好的解决方案。我们将分布式技术应用到海量图像检索系统中来，通过分布式计算完成图片的特征提取与处理、图片特征的聚类等相关计算，利用分布式文件系统完成海量图片文件的存储，并使用分布式数据库完成对图片特征等信息的存储。在系统中使用图片特征的Bagofwords模型，利用TF-IDF对图片特征进行加权处理，通过建立图片特征索引加快图片的检索速度。
　　系统基于MVC设计模式，采用了B/S的基本架构，使用Struts框架作为Web支撑框架。我们将核心的检索逻辑从Web模块中拆出，基于C++语言开发成单独部署的服务模块，利用json串作为与Web服务模块通信的格式。这样使系统具有较好的稳定性，易于维护和扩展。
　　我们遵循软件项目开发与管理的基本原则与要求，通过对系统需求进行分析确定系统的功能，根据系统的需求对系统进行了概要设计和详细设计确定了系统的架构与模块逻辑，在详细设计的基础上以用户的需求为基本出发点完成了系统的开发工作，保证了系统的质量。

目录

声明

摘要

第1章 绪论

1．1 系统开发的背景及意义

1．2 国内外研究现状

1．2．1 CBIR的研究和发展

1．2．2 分布式计算的发展

1．3 本文的主要工作

1．4 论文的组织结构

第2章 CBIR相关技术

2．1 SIFT图像特征

2．1．1 极值点的检测

2．1．2 确定关键点

2．1．3 关键点的方向

2．1．4 特征向量描述

2．2 Bag of words模型

2．3 TF-IDF在Bag of words中的应用

第3章 分布式计算相关技术

3．1 Hadoop平台简介

3．1．1 Hadoop分布式文件系统

3．1．2 Hadoop的MapReduce框架

3．2 Hbase分布式数据库

3．3 FastDFS分布式文件系统

第4章 需求分析

4．1 系统概述与分析

4．2 系统功能性需求

4．2．1 用户检索Web服务

4．2．2 海量图片入库

4．2．3 索引管理

4．2．4 海量图片检索

4．2．5 特征模型训练

4．3 系统非功能性需求

第5章 系统概要设计

5．1 系统总体设计原则

5．2 系统架构设计

5．2．1 系统技术架构

5．2．2 系统功能架构

5．2．3 系统分布式网络架构

5．3 系统子功能技术架构

5．3．1 Web服务技术架构

5．3．2 检索服务技术架构

5．3．3 海量图片存储系统技术架构

5．4 系统数据设计

第6章 系统详细设计

6．1 基于MapReduce的Bag of words视觉词汇训练

6．2 海量图片特征提取与处理

6．2．1 特征提取

6．2．2 特征处理

6．3 索引结构

6．4 Web曲服务

6．5 分布式检索服务

6．6 Hbase数据库设计

第7章 系统实现

7．1 开发环境和工具

7．2 系统功能实现

7．2．1 用户检索Web服务实现

7．2．2 检索服务实现

第8章 总结与展望

参考文献

致谢