基于MapReduce的图像分类方法

摘要：

针对现有的方法不能有效用于图像大数据分类的问题,提出了一种基于MapReduce编程模型的图像分类方法,在分类的全过程利用MapReduce机制加速分类过程.首先,利用MapReduce机制实现对图像尺度不变特征变换(SIFT)特征的分布式提取,并通过稀疏编码将其转换为稀疏向量,生成图像的稀疏特征;然后,利用MapReduce机制实现对随机森林的分布式训练;在此基础上,利用MapReduce机制对图像集实现基于随机森林方法的并行分类.通过在Hadoop平台的实验结果表明,该方法能够充分利用MapReduce框架的分布式特性,对大规模图像数据实现快速准确分类.

关键词：图像分类、Hadoop、MapReduce、随机森林、稀疏编码、尺度不变特征变换

所属期刊栏目：34

分类号：TP391.4;TP317.4(计算技术、计算机技术)

资助基金：河北省高层次人才资助项目B2013003019

在线出版日期：2014-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1600-1603