基于云计算的图像分类算法,这是一篇与云计算论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
云计算论文参考文献：
摘 要： 针对单节点的图像分类算法效率低,实时性差的难题,提出基于云计算的图像分类算法.首先提取图像数据库中的图像分类特征；然后将待分类图像通过云计算模式与图像库中的特征进行匹配,并根据匹配结果将其划分到相应的类别中；最后采用UPenn和Caltech?101数据库测试算法的可行性.结果表明,该算法降低了图像分类的时间复杂度,取得了不错的图像分类结果,且分类效率要明显优于对比算法,具有良好的实际应用价值.
关键词： 云计算； 海量图像数据库； 图像分类器； 图像特征
中图分类号： TN911.73?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）05?0063?03
Abstract： Since the image classification algorithm for the single node has low efficiency and poor real?time performance, an image classification algorithm based on cloud computing is proposed. With the algorithm, the classification features of the images in the image database are extracted, and then the images under classification are matched with the feature in the image library by means of the cloud computing mode and divided into the corresponding classes according to the matching results. The databases of UPenn and Caltech?101 are used to test the feasibility of the algorithm. The results show that the algorithm has reduced the time complexity of image classification, obtained a good image classification result, its classification efficiency is obviously superior to the comparing algorithm, and has a certain practical application value.
Keywords： cloud computing； massive image database； image classifier； image feature
0 引 言
隨着数字图像处理技术的不断成熟,每天会产生大量的图像,如何对这些海量图像进行准确分类,从中找到对用户有用的图像至关重要,而且图像分类是图像检索的基础,因此设计性能优异的图像分类算法具有十分重要的应用价值[1?3].
图像分类实际是一个模式识别问题,根据相应的特征和分类器将图像归属到相应的类别中,因此要获得较高的图像分类正确率,首先要提取能够描述图像类别信息的特征,当前图像分类的特征很多,如颜色、纹理、形状等,这些特征均有各自的优势[4?5].图像分类中的第二个关键问题是图像分类器的设计,目前主要基于K近邻、贝叶斯网络、神经网络等.K近邻分类的速度快[6?8],但分类精度低；贝叶斯网络无法准确描述图像类别与特征之间的映射关系,分类结果的可信度低；神经网络的学习速度快,分类效果优于其他方法,但最优网络结构如何确定目前还没有统一理论指导,分类结果不稳定[9].随着图像数据库规模不断增加,图像分类速度成为分类结果优劣的一个重要评价指标,而目前主要采用单节点方式进行图像分类,当样本规模大时,图像分类的速度慢、效率低,无法满足现代图像分类的实际应用要求[10].
云计算技术包括分布式和网格计算优点,可以将许多节点组合在一起,产生一个功能强大的计算机系统,为了加快规模图像的分类速度,提出云计算的图像分类算法,结果表明,本文算法降低了图像分类的时间复杂度,分类效率高,具有一定的优越性.
1 单节点的图像分类原理
单节点的图像分类算法的工作原理为：首先提取图像数据库中的图像分类特征；然后将待分类图像通过与图像库中的特征进行匹配,并根据匹配结果将其划分到相应的类别中,具体如图1所示.
2 基于云计算的图像分类算法
2.1 提取图像的颜色特征
2.3 云计算的图像分类算法工作步骤
Step1：收集大量各种类型的图像,提取每一种图像的颜色特征,并采用式（10）进行归一化处理,然后将特征保存到图像数据库中.
[x′ik等于xik-minximaxxi-minxi] （10）
Step2：对待分类的图像进行特征提取和归一化处理.
Step3：在单点上将待分类图像特征与图像数据库中的特征进行匹配,得到相应的分类结果.
Step4：将每一个单点的分类结果输入到reducer进行融合.
Step5：根据融合结果得到最终的图像类别.
3 仿真测试
3.1 实验环境
在Linux平台下,采用1个主节点和20个工作节点组成一个云计算,其中20个工作节点的配置相同,选择文献[10]的图像分类算法进行对比实验,采用正确率和分类时间对分类结果进行衡量.实验环境的参数设置见表1.
结论：关于对不知道怎么写云计算论文范文课题研究的大学硕士、相关本科毕业论文云计算论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
快速图像分割算法与在MSRSNAO中的应用
摘要：针对MSRS NAO仿真机器人的彩色图像分割问题， 提出了一种改进的快速颜色阈值分割算法。首先利用手工颜色标定对被标识物采集其最大、最小值。
并行计算在图像边缘检测中应用
摘 要：随着数字图像越来越清晰，图像处理的数据量越来越大，原有算法已经很难满足时间复杂度的要求，而并行计算则可以很好地解决这个问题。本文介绍了并。
基于分类数据质量控制算法
摘要：分类数据在企业当中常见、易获取。如何利用分类数据进行过程控制、提升质量水平是当前值得关注的课题。本文基于半导体制造背景，建立了硅片研磨过程。
量子计算优势特征、算法和物理实现
摘 要：量子计算表现出的并行性是其相对于经典运算的优势特征。目前已知的最为成功的两类量子算法是基于Shor的量子Fourier变换算法和基于Gr。