基于大數據的圖像檢索關鍵技術

陳娜 肖愛萍 鄭剛

（蘭州工業學院，甘肅 蘭州 730050）

0 引言

隨著互聯網信息技術的普遍和完善，越來越多的信息數據資源被廣泛應用到社會諸多領域，大數據資源具有廣泛性和復雜性等特點，在信息資源被擴充的同時，儲存系統的性能要求不斷提升，本文結合當前大數據資源檢索現狀，對當前大數據圖像檢索技術的革新和完善做深入探索。

1 圖像的內容性闡述

從傳統意義上講，對于圖像內容的設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值、語義以及關系等三種形式，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容的理解等語義特征來體現。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化的圖像視覺，所以與其他基本元素相比，顏色特征的應用意義更為廣泛。然而，顏色特征也有一定的缺點，那就是在圖像區域的大小和旋轉中缺乏敏感度。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用，可以針對性的比較其優點[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用作用，許多數據需要在2D 圖像領域范圍內完成檢索，而該領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，其二就是曲線的內容，由此可以推導出，區域特性是形狀描述中的主要內容，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別在于紋理特性具有一定的統計性功能，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計計算；而且圖像紋理特征還能夠客觀體現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，其中統計法和頻譜法是最常用的兩種。最后，空間關系也是圖像的基本內容之一，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 大數據資源的挖掘概述

隨著計算機技術以及網絡技術的迅猛發展，社會諸多領域對于圖像信息資源的需求越來越高，這就要求在大數據資源挖掘中，充分考慮數據檢索的準確性，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，數據資源體系涵蓋的容量較大，且對于數據的處理速度也越來越快，這從根本上改變了傳統手段下的欠缺和難以實現之處。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，在數據信息資源分析中，在專業化技術方法的支持下，對數據資源不斷優化和改善，為不同的用戶提供所需的關鍵元素，許多用戶所需的資源往往都潛在存在資源中，現有技術下，能夠從根本上消除一些不相關的元素，提升準確性和針對性。互聯網信息資源社會形勢，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，經過十余年的應用創新和完善，云計算已經發展成為一種主流的挖掘手段，而且云計算為大數據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用的存儲手段，為用戶提供最有效的應用服務，可以降低搜索數據資源中頻繁訪問的次數，從而提高工作效率，保證數據檢索服務更加高效的完成。

3 海量圖像信息檢索

Hadoop 是一種新型的分布式系統基礎架構，該架構的應用下，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，大數據挖掘技術由多個組成部分組成，其中數據儲存、數據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

分布式文件系統是Hadoop 的集群架構，通過有效應用分布式的存儲和數據訪問模式，實現數據處理的更快、更準確、更高效。該系統主要包含主體系架構和從體系架構兩項，通過系統協調、數據復制等功能，利用客戶端完成不同數據的儲存和獲取，這同時又是數據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；現在，大數據資源在諸多領域的應用區域普遍的特性，HDFS 具有多種優勢，其中最為主要的就是以下幾點：第一，在單輸入多響應的技術手段下，在對流數據進行訪問時，能夠使得信息存取的效率穩步提升，這也是重要的有效形式。其二就是數據處理中，可以有效避免硬件環境帶來的影響，可適當降低計算機設備的配置所帶來的成本消耗，有利于數據挖掘技術的應用和挖掘。

3.2 并行數據處理技術

當前，有多種并行數據處理技術在數據處理中有著一定的應用，其中，Mapreduce 在計算應用中具有一定的廣泛性，而且該模型具有并行性的優點，在海量圖像相似度計算中，能夠最大化的提供幫助服務，從而更加有效的滿足用戶的基本需求。在數據并行處理中，健值是能夠更加明確的體現出圖像數據的類型。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手段，在信息輸入、檢索結果輸出中，能夠大大的提升其準確度[2]。

3.3 視覺模式檢索

圖像相似度的區分是檢索中的一大難點所在。這種區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，利用人類的區分功能完成顏色、紋理的圖像分析和展現，這能夠從根本上避免傳統圖像檢索中的弊端。當前圖像數據資源逐漸豐富多樣化，每個數據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，在圖像結構的反應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 結語

隨著信息技術的發展，網絡信息時代逐漸到來，在這樣的時代背景下，圖像檢索技術在數據檢索中的應用越來越普遍，為此，應該在大數據資源的挖掘方面進行深入探析，從當前現狀入手，完善現有圖像檢索技術，為豐富信息使用效率提供一定的支持。