基于相关性的海量图像的可视化探索式搜索研究

发布时间：2017-10-03 12:31

  本文关键词：基于相关性的海量图像的可视化探索式搜索研究

  更多相关文章： Hadoop 谱聚类 视觉词袋 探索式搜索 共生分析

【摘要】：目前，随着网络技术的发展以及数字移动设备的广泛使用，图像数据呈爆炸式的增长，单台机器处理图像的方法已经无法应对现实的需要；同时，当前用户搜索图像的习惯是在常用的搜索引擎文本框中键入查询关键词，，之后提交并由搜索引擎返回大量经过排序后的图像列表。这些常用的搜索引擎是以“一次命中”为目标设计的，当一次查询没有命中时，用户就需要重新设计查询语句，因此这些常用搜索引擎在用户有明确目标的情况下才能返回令人满意的检索结果。然而，当用户不清楚如何达到目标，又或者对目标本身模糊不清时，如何组织和使用这些海量图像，如何从其中找出符合用户预期的图像以及如何让用户从返回的大量图像列表中快速理解、获取图像间的关系成为目前研究的热点和难点。 嵌套在人机交互领域中的探索式搜索领域，是以超越Google，Bing等以文档为核心的下一代搜索界面为目标的，它以用户的好奇或者用户想获取更多的信息为驱动，更注重于与用户之间的交互。可视化的主要目的是将数据进行可视表示，方便人们快速辨别、浏览信息。而类似智能手机这类移动设备具有强大的与用户交互的功能，并且这类设备的持有者也越来越多，他们更倾向使用这类设备获取信息。因此，在移动设备上对图像进行可视化探索式搜索具有相当重要的意义。 针对上述问题，本文做了如下三个方面的工作： （1）使用Hadoop平台处理海量图像，并利用谱聚类算法得到图像的视觉词袋，实现将抽象的图像信息变成可视的“视觉词汇”，解决单机处理海量图像时存在内存空间不足、处理时间过长等问题。 （2）首次提出了使用共生分析的方法来定义图像间的相关性，解决用户难以理解图像间关系的问题。 （3）在安卓手机上做了一个基于相关性的海量图像的可视化探索式搜索原型系统，解决手机用户在使用软键盘时输入的不便以及易出错等问题，增加了对用户的友好度。 和现有的搜索系统相比，本文的搜索系统原型具有以下三个方面的优势：1.支持用户与系统在图形界面上进行交互。2.能使用户较清楚地区分查询图像和返回的图像间关系。3.能进一步诱导用户自发的去进行下一步的探索，得到更丰富更多感兴趣的信息。实验结果表明，本文提出的方法能有效提高用户获取相关图像以及图像间关系的能力。
【关键词】：Hadoop 谱聚类 视觉词袋 探索式搜索 共生分析
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-13
• 1.1 课题的研究背景及意义8-10
• 1.2 国内外研究现状10-12
• 1.2.1 海量数据处理研究现状10-11
• 1.2.2 探索式搜索国内外研究现状11-12
• 1.3 主要工作及组织结构12-13
• 第2章 图像相关性的关键技术13-28
• 2.1 Bag of Visual words（视觉词袋）13-14
• 2.2 Hadoop 平台介绍14-21
• 2.2.1 HDFS15-18
• 2.2.1.1 HDFS 中的数据块16
• 2.2.1.2 DataNode 和 NameNode16-18
• 2.2.2 MapReduce 框架介绍18-19
• 2.2.3 HBase19-21
• 2.3 SIFT(尺度不变特征转换)算法21-25
• 2.3.1 构建高斯差分尺度空间，检测极值点21-22
• 2.3.2 特征点位置的确定22-23
• 2.3.2.1 低对比度的特征点的去除23
• 2.3.2.2 边缘响应点的去除23
• 2.3.3 特征点方向的确定23-24
• 2.3.4 特征描述符的生成24-25
• 2.4 NJW 谱聚类算法25-27
• 2.5 小结27-28
• 第3章 视觉词袋以及图像向量的生成28-37
• 3.1 Hadoop 下图像 sift 特征的提取28-30
• 3.2 视觉词汇的生成30-34
• 3.3 图像视觉词袋向量的生成34-35
• 3.4 实验数据分析35-36
• 3.5 小结36-37
• 第4章 图像相关性关系图的构建37-47
• 4.1 图像相关性的定义37-38
• 4.2 图像相关性关系图的构建38-45
• 4.3 图像相关性的检索45-46
• 4.4 小结46-47
• 第5章 图像可视化探索式搜索47-56
• 5.1 移动平台图像可视化搜索界面48
• 5.2 可视化探索式搜索的交互过程48-53
• 5.3 实验结果分析53-55
• 5.3.1 实验结果客观评价53-54
• 5.3.2 实验结果主观评价54-55
• 5.4 小结55-56
• 第6章 总结与展望56-58
• 6.1 本文工作总结56
• 6.2 未来工作的展望56-58
• 参考文献58-62
• 致谢62-63
• 附录 A 读研期间参与的科研项目63

【参考文献】

中国期刊全文数据库 前3条

1 侯建;帅仁俊;侯文;;基于云计算的海量数据存储模型[J];通信技术;2011年05期

2 王梅;朱信忠;赵建民;黄彩锋;;基于Hadoop的海量图像检索系统[J];计算机技术与发展;2013年01期

3 姜婷婷;高慧琴;;探寻式搜索研究述评[J];中国图书馆学报;2013年04期

本文编号：965227