發(fā)布時(shí)間：2017-09-04 05:14

  本文關(guān)鍵詞：Hadoop云平臺下基于本體的圖像檢索系統(tǒng)研究

  更多相關(guān)文章： 圖像分割 聚類 圖像標(biāo)注 本體 圖學(xué)習(xí)

【摘要】：隨著大數(shù)據(jù)時(shí)代的到來,分布于因特網(wǎng)中各個(gè)節(jié)點(diǎn)上圖像數(shù)據(jù)數(shù)量急劇增加,種類更加復(fù)雜,這一方面給人們帶來了極大便利,另一方面也給海量圖像的檢索帶來了極大的困難,如何從海量資源中有效檢索圖像等多媒體數(shù)據(jù)成為目前的研究熱點(diǎn)和難點(diǎn)。現(xiàn)有的圖像檢索的方法中,基于文本的圖像檢索存在著主觀性強(qiáng)、表達(dá)圖像含義不完整的問題;基于內(nèi)容的圖像檢索存在低層語義與高層語義的語義鴻溝;基于語義的圖像檢索由于是以單個(gè)概念為基礎(chǔ)進(jìn)行檢索,因此并沒有將概念之間的關(guān)系考慮在內(nèi)。因此,如何從大規(guī)模圖像數(shù)據(jù)庫中準(zhǔn)確地檢索出目標(biāo)圖像是目前急需解決的問題。語義網(wǎng)技術(shù)能夠減小語義鴻溝,充分考慮低層特征和高層語義之間關(guān)系。本體作為語義網(wǎng)的語義層,也是語義網(wǎng)的核心部分,能夠?qū)⒅R進(jìn)行概念化表示和結(jié)構(gòu)化組織。云計(jì)算運(yùn)用其可靠性,可擴(kuò)展性和廉價(jià)性的優(yōu)勢,能夠處理和存儲大規(guī)模數(shù)據(jù)。本課題主要研究云平臺中基于本體的大規(guī)模圖像檢索方法,建立查全率、查準(zhǔn)率高的圖像檢索系統(tǒng)。基于以上問題,本課題提出了基于本體的圖像檢索系統(tǒng)。首先,針對模糊C均值聚類FCM算法的不足,提出了結(jié)合空間信息的FCM算法對圖像分割得到圖像基元,并采用聚類算法對圖像進(jìn)行基元聚類,得到代表各類圖像基元的低層信息;其次,根據(jù)運(yùn)動(dòng)領(lǐng)域圖片訓(xùn)練集中的標(biāo)注詞,建立運(yùn)動(dòng)領(lǐng)域本體來標(biāo)注圖像;然后,采用傳統(tǒng)的跨媒體相關(guān)模型CMRM對訓(xùn)練集圖像進(jìn)行第一次標(biāo)注,獲得基于概率模型的圖像標(biāo)注結(jié)果;最后,根據(jù)本體概念相似度,利用圖學(xué)習(xí)算法對第一次標(biāo)注結(jié)果進(jìn)行優(yōu)化,在每幅圖像的概率關(guān)系表中選擇概率最大的N個(gè)關(guān)鍵詞作為最終的標(biāo)注結(jié)果,完成第二次標(biāo)注。實(shí)驗(yàn)結(jié)果表明,本文提出的結(jié)合空間信息的圖像分割算法能夠更好的對圖像進(jìn)行分割,而將領(lǐng)域本體引入圖像標(biāo)注過程中,通過本體定義了圖像的語義概念之間的關(guān)系,既能充分利用圖像本身的低層特征,又能符合人的圖像視覺理解,提高了圖像檢索的查全率及查準(zhǔn)率。
【關(guān)鍵詞】：圖像分割 聚類 圖像標(biāo)注 本體 圖學(xué)習(xí)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 研究意義9-10
• 1.2 研究現(xiàn)狀10-14
• 1.2.1 基于文本的圖像檢索11
• 1.2.2 基于內(nèi)容的圖像檢索11-12
• 1.2.3 基于語義的圖像檢索12-14
• 1.2.4 基于本體的圖像檢索14
• 1.3 研究內(nèi)容14-15
• 1.4 論文組織結(jié)構(gòu)15-17
• 第2章 Hadoop相關(guān)技術(shù)研究17-24
• 2.1 Hadoop整體框架17-18
• 2.2 分布式文件系統(tǒng)HDFS18
• 2.3 并行編程模型MapReduce18-23
• 2.3.1 MapReduce技術(shù)分析18-21
• 2.3.2 MapReduce流程及任務(wù)調(diào)度21-23
• 2.4 本章小結(jié)23-24
• 第3章 基于本體的圖像檢索架構(gòu)設(shè)計(jì)24-34
• 3.1 引言24
• 3.2 本體的基本概念24-26
• 3.2.1 本體的定義24-25
• 3.2.2 本體的建模元語25-26
• 3.2.3 本體中概念之間的關(guān)系26
• 3.3 基于本體的圖像描述26-27
• 3.4 圖像本體的構(gòu)建27-30
• 3.4.1 運(yùn)動(dòng)領(lǐng)域圖像本體的構(gòu)建28-29
• 3.4.2 實(shí)驗(yàn)結(jié)果29-30
• 3.5 基于本體的圖像檢索框架30-33
• 3.5.1 圖像基元提取32
• 3.5.2 圖像語義標(biāo)注32-33
• 3.5.3 基于本體的圖像檢索框架33
• 3.6 本章小結(jié)33-34
• 第4章 基于空間信息的FCM圖像基元提取34-44
• 4.1 引言34-35
• 4.2 基于模糊C均值的圖像分割方法35-37
• 4.3 融合彩色信息和空間信息的FCM圖像分割算法37-41
• 4.3.1 引入RGB彩色空間的nFCM_S算法37-38
• 4.3.2 融合空間信息的nFCM_S算法38-41
• 4.4 圖像基元提取實(shí)驗(yàn)結(jié)果與分析41-43
• 4.4.1 圖像基元提取結(jié)果示例41-42
• 4.4.2 圖像基元提取質(zhì)量評價(jià)指標(biāo)42-43
• 4.5 本章小結(jié)43-44
• 第5章 基于本體的圖像語義標(biāo)注44-52
• 5.1 引言44-45
• 5.2 基于本體的圖像語義標(biāo)注過程45-46
• 5.3 基于CMRM算法的第一次標(biāo)注46-47
• 5.4 基于圖學(xué)習(xí)算法的第二次標(biāo)注47-48
• 5.4.1 本體概念相似度的圖學(xué)習(xí)算法47-48
• 5.4.2 基于圖學(xué)習(xí)的圖像標(biāo)注算法48
• 5.5 圖像語義標(biāo)注實(shí)驗(yàn)結(jié)果與分析48-51
• 5.5.1 圖像語義標(biāo)注結(jié)果示例49
• 5.5.2 圖像語義標(biāo)注質(zhì)量評價(jià)指標(biāo)49-51
• 5.6 本章小結(jié)51-52
• 第6章 總結(jié)與展望52-54
• 6.1 總結(jié)52
• 6.2 展望52-54
• 參考文獻(xiàn)54-58
• 作者簡介及在學(xué)期間所取得的科研成果58-59
• 致謝59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 逄利華;張錦春;;基于Hadoop的分布式數(shù)據(jù)庫系統(tǒng)[J];辦公自動(dòng)化;2014年05期

2 鄭瑋;;Hadoop釋放大數(shù)據(jù)潛能[J];軟件和信息服務(wù);2012年10期

3 劉爾凱;崔振東;;基于HADOOP技術(shù) 實(shí)現(xiàn)銀行歷史數(shù)據(jù)線上化研究[J];金融電子化;2014年01期

4 鄒群;;一種基于Hadoop的數(shù)字圖書存儲系統(tǒng)設(shè)計(jì)方案[J];黑龍江史志;2014年01期

5 諶章義;畢偉;向萬紅;王國安;吳愛國;;基于Hadoop的海量電費(fèi)數(shù)據(jù)處理模型[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年05期

6 ;大數(shù)據(jù)不等于Hadoop[J];辦公自動(dòng)化;2014年06期

7 ;保障Hadoop數(shù)據(jù)安全的十大措施[J];計(jì)算機(jī)與網(wǎng)絡(luò);2013年08期

8 王峰;雷葆華;;Hadoop分布式文件系統(tǒng)的模型分析[J];電信科學(xué);2010年12期

9 蘇小會;何婧媛;;Hadoop中任務(wù)調(diào)度算法的改進(jìn)[J];電子設(shè)計(jì)工程;2012年22期

10 林偉偉;;一種改進(jìn)的Hadoop數(shù)據(jù)放置策略[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

中國重要報(bào)紙全文數(shù)據(jù)庫 前8條

1 本報(bào)記者 郭濤;機(jī)器大數(shù)據(jù)也離不開Hadoop[N];中國計(jì)算機(jī)報(bào);2013年

2 本報(bào)記者 王星;Hadoop引發(fā)大數(shù)據(jù)之戰(zhàn)[N];電腦報(bào);2012年

3 本報(bào)記者 鄒大斌;Hadoop一體機(jī)降低大數(shù)據(jù)門檻[N];計(jì)算機(jī)世界;2012年

4 孫定;云計(jì)算、大數(shù)據(jù)與Hadoop[N];計(jì)算機(jī)世界;2011年

5 樂天　編譯;Hadoop：打開大數(shù)據(jù)之門的金鑰匙[N];計(jì)算機(jī)世界;2012年

6 范范　編譯;Hadoop用戶可以使用多種搜索引擎[N];網(wǎng)絡(luò)世界;2013年

7 波波　編譯;Hadoop、Web 2.0為磁帶帶來新商機(jī)[N];網(wǎng)絡(luò)世界;2013年

8 本報(bào)記者 郭濤;讓更多人能夠使用Hadoop[N];中國計(jì)算機(jī)報(bào);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉君;基于Hadoop技術(shù)的氣象數(shù)據(jù)采集及數(shù)據(jù)挖掘平臺的研究[D];天津理工大學(xué);2015年

2 譚旭;基于物流數(shù)據(jù)的快遞網(wǎng)絡(luò)分析與建模[D];浙江大學(xué);2015年

3 趙偉;基于Hadoop的數(shù)據(jù)挖掘算法并行化研究[D];西南交通大學(xué);2015年

4 趙振崇;基于Hadoop的決策樹挖掘算法的研究[D];蘭州大學(xué);2015年

5 郭凱振;基于Hadoop的分布式計(jì)算系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連海事大學(xué);2015年

6 白亮;基于Hadoop的民航高價(jià)值旅客發(fā)現(xiàn)方法研究[D];中國民航大學(xué);2015年

7 席屏;基于Hadoop的視頻大數(shù)據(jù)智能預(yù)警系統(tǒng)應(yīng)用研究[D];江蘇科技大學(xué);2015年

8 董立明;基于HADOOP的分布式推薦引擎[D];復(fù)旦大學(xué);2013年

9 陸藝達(dá);基于Hadoop分布式計(jì)算框架的垃圾短信群發(fā)檢測系統(tǒng)[D];復(fù)旦大學(xué);2013年

10 沈德利;基于Hadoop的密文檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

，

本文編號：789540