基于改进的分布式K-Means特征聚类的海量场景图像检索

• 作者: 崔红艳 曹建芳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Hadoop分布式平台 MapReduce 分布式K- Means算法 特征聚类 场景图像检索
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 195-199,267
• 页数: 6页
• 分类号: TP391
• 字数: 5128字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.06.047

摘要

针对传统的图像检索方法在处理海量数据时面临的问题，提出一种基于改进的分布式K-Means特征聚类的海量场景图像检索方法。对分布式K-Means算法进行改进，优化了初始聚类中心的选择和迭代过程，并将其应用与场景图像的特征聚类中；充分利用Hadoop分布式平台的海量存储能力和强大并行计算能力，提出了海量场景图像的存储和检索方案，设计了场景图像特征提取、特征聚类以及图像检索三个阶段分布式并行处理的Map和Reduce任务。多组实验表明，提出的方法数据伸缩率曲线平缓，取得了优良的加速比，效率大于0．6，检索的平均准确率达到了88％左右，适合海量场景图像数据的检索。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹建芳	忻州师范学院计算机科学与技术系	54	160	7.0	9.0
2	崔红艳	忻州师范学院计算机科学与技术系	2	12	2.0	2.0