基于大數(shù)據(jù)的圖像檢索關(guān)鍵技術(shù)

陳娜 肖愛萍 鄭剛

（蘭州工業(yè)學(xué)院，甘肅 蘭州 730050）

0 引言

隨著互聯(lián)網(wǎng)信息技術(shù)的普遍和完善，越來越多的信息數(shù)據(jù)資源被廣泛應(yīng)用到社會諸多領(lǐng)域，大數(shù)據(jù)資源具有廣泛性和復(fù)雜性等特點，在信息資源被擴充的同時，儲存系統(tǒng)的性能要求不斷提升，本文結(jié)合當前大數(shù)據(jù)資源檢索現(xiàn)狀，對當前大數(shù)據(jù)圖像檢索技術(shù)的革新和完善做深入探索。

1 圖像的內(nèi)容性闡述

從傳統(tǒng)意義上講，對于圖像內(nèi)容的設(shè)置是一項精簡的模型，而且不同的圖像特征主要包含以下數(shù)值、語義以及關(guān)系等三種形式，圖像檢索主要是通過圖像的紋理、形象、顏色特征和人們對于圖像內(nèi)容的理解等語義特征來體現(xiàn)。首先，對于圖像的顏色特征而言，具有全局性的特點，在圖像描述應(yīng)用中趨于簡單化，而且更加行之有效；合理的顏色能給有利于確保提供最優(yōu)化的圖像視覺，所以與其他基本元素相比，顏色特征的應(yīng)用意義更為廣泛。然而，顏色特征也有一定的缺點，那就是在圖像區(qū)域的大小和旋轉(zhuǎn)中缺乏敏感度。圖像特征的索引往往由顏色集、聚合向量以及平均查準率等組成，通過平均查全率和平均查準率的有效應(yīng)用，可以針對性的比較其優(yōu)點[1]。其次，形狀特征也是圖像的基本元素特征之一，在物體描述中具有重要的應(yīng)用作用，許多數(shù)據(jù)需要在2D 圖像領(lǐng)域范圍內(nèi)完成檢索，而該領(lǐng)域主要由兩部分組成，其一就是曲線，該曲線最大的特征就是封閉式，其二就是曲線的內(nèi)容，由此可以推導(dǎo)出，區(qū)域特性是形狀描述中的主要內(nèi)容，其次就是該曲線的邊界；然后，圖像的紋理特征是第三個特性，該特性與上兩個特性相比最大的區(qū)別在于紋理特性具有一定的統(tǒng)計性功能，與圖像基于像素點的特征有所不同，需要完成對于像素灰度級的統(tǒng)計計算；而且圖像紋理特征還能夠客觀體現(xiàn)圖像的局部強度變化，并且可以通過多種檢驗方法完成檢驗，其中統(tǒng)計法和頻譜法是最常用的兩種。最后，空間關(guān)系也是圖像的基本內(nèi)容之一，從圖像位置和方向入手，探究不同空間體系中的位置特性，從相對和絕對不同的空間體系入手，保證探索的準確性。由此，綜上所述，圖像顏色特征是諸多特征中最行之有效的選擇。

2 大數(shù)據(jù)資源的挖掘概述

隨著計算機技術(shù)以及網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，社會諸多領(lǐng)域?qū)τ趫D像信息資源的需求越來越高，這就要求在大數(shù)據(jù)資源挖掘中，充分考慮數(shù)據(jù)檢索的準確性，降低檢索所耗費的時間，提供針對性，尤其是在圖像信息資源豐富多樣的今天，數(shù)據(jù)資源體系涵蓋的容量較大，且對于數(shù)據(jù)的處理速度也越來越快，這從根本上改變了傳統(tǒng)手段下的欠缺和難以實現(xiàn)之處。進入21 世紀以來，我國在資源檢索方面付出了一定的精力，其中，在數(shù)據(jù)信息資源分析中，在專業(yè)化技術(shù)方法的支持下，對數(shù)據(jù)資源不斷優(yōu)化和改善，為不同的用戶提供所需的關(guān)鍵元素，許多用戶所需的資源往往都潛在存在資源中，現(xiàn)有技術(shù)下，能夠從根本上消除一些不相關(guān)的元素，提升準確性和針對性?；ヂ?lián)網(wǎng)信息資源社會形勢，早在2 006年，谷歌公司就首次提出云計算概念，這是一種行之有效的信息資源的挖掘技術(shù)，經(jīng)過十余年的應(yīng)用創(chuàng)新和完善，云計算已經(jīng)發(fā)展成為一種主流的挖掘手段，而且云計算為大數(shù)據(jù)的深度挖掘提供奠定了保障，其中web 定制可以幫助用戶針對性的選擇出可以應(yīng)用的存儲手段，為用戶提供最有效的應(yīng)用服務(wù)，可以降低搜索數(shù)據(jù)資源中頻繁訪問的次數(shù)，從而提高工作效率，保證數(shù)據(jù)檢索服務(wù)更加高效的完成。

3 海量圖像信息檢索

Hadoop 是一種新型的分布式系統(tǒng)基礎(chǔ)架構(gòu)，該架構(gòu)的應(yīng)用下，可以解決過去無法完成多臺計算機并行處理的欠缺和不足，大數(shù)據(jù)挖掘技術(shù)由多個組成部分組成，其中數(shù)據(jù)儲存、數(shù)據(jù)處理以及基于視覺模式的深度挖掘是最重要的三點。

3.1 分布式文件系統(tǒng)

分布式文件系統(tǒng)是Hadoop 的集群架構(gòu)，通過有效應(yīng)用分布式的存儲和數(shù)據(jù)訪問模式，實現(xiàn)數(shù)據(jù)處理的更快、更準確、更高效。該系統(tǒng)主要包含主體系架構(gòu)和從體系架構(gòu)兩項，通過系統(tǒng)協(xié)調(diào)、數(shù)據(jù)復(fù)制等功能，利用客戶端完成不同數(shù)據(jù)的儲存和獲取，這同時又是數(shù)據(jù)處理中的基本元素之一，對于顯著提升信息梳理的效率具有重要意義；現(xiàn)在，大數(shù)據(jù)資源在諸多領(lǐng)域的應(yīng)用區(qū)域普遍的特性，HDFS 具有多種優(yōu)勢，其中最為主要的就是以下幾點：第一，在單輸入多響應(yīng)的技術(shù)手段下，在對流數(shù)據(jù)進行訪問時，能夠使得信息存取的效率穩(wěn)步提升，這也是重要的有效形式。其二就是數(shù)據(jù)處理中，可以有效避免硬件環(huán)境帶來的影響，可適當降低計算機設(shè)備的配置所帶來的成本消耗，有利于數(shù)據(jù)挖掘技術(shù)的應(yīng)用和挖掘。

3.2 并行數(shù)據(jù)處理技術(shù)

當前，有多種并行數(shù)據(jù)處理技術(shù)在數(shù)據(jù)處理中有著一定的應(yīng)用，其中，Mapreduce 在計算應(yīng)用中具有一定的廣泛性，而且該模型具有并行性的優(yōu)點，在海量圖像相似度計算中，能夠最大化的提供幫助服務(wù)，從而更加有效的滿足用戶的基本需求。在數(shù)據(jù)并行處理中，健值是能夠更加明確的體現(xiàn)出圖像數(shù)據(jù)的類型。再者，映射操作和并行處理下，能夠顯著完成具有相似度圖像的合并和處理，并且Mapreduce 和HDFS 分布式圖像是兩項比較成熟的技術(shù)手段，在信息輸入、檢索結(jié)果輸出中，能夠大大的提升其準確度[2]。

3.3 視覺模式檢索

圖像相似度的區(qū)分是檢索中的一大難點所在。這種區(qū)分特性是人類特有的功能，對于人類而言十分簡單，當前，需要將人類特有功能轉(zhuǎn)嫁到計算機上，需要從語言概念、元素分析等方面入手，利用人類的區(qū)分功能完成顏色、紋理的圖像分析和展現(xiàn)，這能夠從根本上避免傳統(tǒng)圖像檢索中的弊端。當前圖像數(shù)據(jù)資源逐漸豐富多樣化，每個數(shù)據(jù)資源都是由一個個的圖像視覺模式單元組成，正是由于這些單一單元的存在，在圖像結(jié)構(gòu)的反應(yīng)中才會更加富有針對性[3]。如此，對于圖像檢索進行有效判別、提升判別的準確度具有一定意義。

4 結(jié)語

隨著信息技術(shù)的發(fā)展，網(wǎng)絡(luò)信息時代逐漸到來，在這樣的時代背景下，圖像檢索技術(shù)在數(shù)據(jù)檢索中的應(yīng)用越來越普遍，為此，應(yīng)該在大數(shù)據(jù)資源的挖掘方面進行深入探析，從當前現(xiàn)狀入手，完善現(xiàn)有圖像檢索技術(shù)，為豐富信息使用效率提供一定的支持。