基于Map-Reduce的图像匹配算法研究与实现

图像匹配技术是图像处理技术领域的关键问题，图像匹配分为基于图像像素灰度的图像匹配方法和基于图像特征的图像匹配方法。本文针对基于局部视觉特征的图像匹配算法中存在的处理效率低下、匹配计算复杂度高、难以有效应对海量图像数据存储等问题，研究基于局部视觉特征的图像匹配算法在Map-Reduce并行计算框架的并行实现。 本文通过研究Map-Reduce并行计算框架的工作原理，以及其开源实现平台Hadoop中的Map-Reduce并行计算框架和HDFS分布式文件系统的实现细节。在此基础上研究图像匹配技术的相关内容，以及一种典型的基于局部视觉特征的图像匹配算法即SIFT算法。将二者有机的结合，设计SIF特征提取算法和SIFT特征匹配算法在Map-Reduce并行计算框架中的并行实现，验证算法在准确率和效率上的提升。本文的特色是基于Hadoop集群实现局部视觉特征的SIFT特征匹配算法，将SIFT匹配算法的部分实现步骤并行化能够提高算法的匹配效率，并且能够满足海量图像的对检索精度和计算速度的不同应用需求。