Hadoop下煤矿图像PCA-SIFT算法改进及研究

发布时间：2022-02-11 12:10

　　大数据技术是当下热点问题,其中,Hadoop技术在煤矿领域的应用也引起了广泛关注。针对传统煤矿视频监控系统图像采集点多,单机环境煤场景矿图像特征提取效率低下等问题,提出了一种基于Hadoop的PCA-SIFT图像特征并行提取算法,该算法采用PCA算法对并行提取的煤矿图像的SIFT特征进行了并行降维处理。使用汾西矿务局煤矿图像井下数据集进行实验,提出的算法SIFT特征点检测效果好,运行耗时少,图像数量加剧后,系统加速比几乎呈线性增长的趋势,验证了算法处理大规模煤矿图像数据的有效性。 

【文章来源】：太原科技大学学报. 2020,41(02)

【文章页数】：6 页

【部分图文】：

MapReduce模型的任务处理流程

鉴于OpenCV提供了大量的Java的接口，实现了图形图像处理运行的许多算法，因此，本次实验使用OpenCV的函数库，在Hadoop平台下用Java语言编程实现了基于并行PCA-SIFT的煤矿场景图像特征提取算法。本文算法具体步骤如下:Step1．图像数据类型的定义;

图4表明，在图像数量小于8 000时，节点数目对SIFT特征提取的运行耗时区别不是很明显。多节点集群架构运行耗时可能会比单节点计算机处理会长一些，其原因在于多节点架构在处理小量图像数据集时增加了节点之间的通信开销;而煤矿场景图像数量急剧增大时，多节点架构的Hadoop集群计算机系统的优势就慢慢体现出来。虽然不同节点情况下，算法的运行时间均会随着场景图像数量的增加而增加，但单一节点计算机运行耗时线性增长，而多节点集群架构的计算机系统运行耗时增加比较平缓，而且，当节点计算机数量增多时，所需处理的运行时间曲线上升越平缓，因此本实验充分证明了Hadoop集群架构在处理海量图像数据时的优越性。图4 不同节点下运行时间对比

【参考文献】：
期刊论文
[1]煤矿井下用夜视摄像系统研制[J]. 贾世奎,李臻,李鑫,赵书国,吉彬.  机械研究与应用. 2016(06)
[2]2005—2014年我国煤矿灾害事故特征及规律研究[J]. 李波,巨广刚,王珂,张路路,孙东辉.  矿业安全与环保. 2016(03)
[3]基于多尺度模型的数据库影像特征匹配[J]. 高翔,徐柱.  测绘科学. 2016(02)
[4]Hadoop MapReduce短作业执行性能优化[J]. 顾荣,严金双,杨晓亮,袁春风,黄宜华.  计算机研究与发展. 2014(06)
[5]物联网、大数据及云计算技术在煤矿安全生产中的应用研究[J]. 马小平,胡延军,缪燕子.  工矿自动化. 2014(04)
[6]线性加速比并行实时任务的节能研究[J]. 林宇晗,孔繁鑫,徐惠婷,金曦,邓庆绪.  计算机学报. 2013(02)
[7]MapReduce并行编程模型研究综述[J]. 李建江,崔健,王聃,严林,黄义双.  电子学报. 2011(11)
[8]基于井下环境的SIFT算法研究[J]. 梁玉,厉丹,牛翠溪,张国勇.  工矿自动化. 2011(02)



本文编号：3620254