龙源期刊网 http://www.qikan.com.cn
基于大数据的图像检索关键技术
作者：杨颖 李冬睿
来源：《电子技术与软件工程》2018年第09期
摘要 随着当前社会信息时代的发展，图像检索的相关技术也得到了逐步的完善。传统的图像检索方法在操作过程中不仅需要耗费大量的实践也无法充分适应用户的需求，因此，而通过大数据挖掘的方式来对图像数据实时分布式存储并进行后续的处理，不仅会进一步缩短图像检索的时间，也会进一步挖掘图像与语义上的关联，促进检索效率的提升。因此，本文将会对大数据挖掘做简要的阐述，并分析海量图像检索的处理技术，期望为大数据的应用提供新的方向与思路。
【关键词】大数据 图像检索 关键技术研究
自进入互联网时代以来，越来越多的信息数据来源被扩充，对存储系统的性能也提出了更多的要求。而如何规范这类数据并挖掘数据的可用性，采取更方便的工具来提取信息，扩大信息的存储空间，是信息资源发展与应用需要充分关注的内容。尤其是在信息资源与媒体种类逐渐更新的今天，每天近十几亿的图像信息的缠身，行业内对于数据库的研究也更加复杂，快速的存取与检索已经成为时代发展下的迫切需求。图像通过文件的方式在操作上已经十分便捷，因此，图像检索效率的提升成为关键。
传统意义上的图像检索是通过文本的方式来进行，这需要对图像文件的情况做信息描述，才能在检索上提取到相应信息。但不可否认，这种描述的字符或者数值存在较大的主观性，无法全面满足图像内容的多样性，并且在海量信息充斥的背景下，传统的方式也会暴露出更多的问题。比如，在基于文本的图像检索技术上，无法管理具备时空关系的多媒体信息，且没有对图像特定特征提取的公爵，并且缺乏多样化的客观性查询方式。
而基于文本的检索，是通过语义上下的联系来进行查询，利用语义特征来检查具有类似特性的图像，这项技术会与图像本身结合起来，无论是在理论研究上还是现实的应用上，都是各行各业的热点关注对象，也是当前数字图书馆发展中的一项重大技术。 1 图像的内容性
图像的内容设置可以认为是一项精简的层次模型，如图1所示，对于图像特征的表示主要包含三种方式，数值、语义、关系等表示。一般情况下，图像检索的方式会以第二层与第三层来表示，包括对颜色、纹理、形状等内容特征。首先，对于颜色特征来说，它是一种全局性的特征，也是可以描述图像最为简单并有效的形式。它是图像视觉特性的最佳体现，因此，在图像检索中，这种特征也会最快被采纳，但是这种特性由于对图像区域的大小、旋转等缺乏敏感度，因此存在较强的鲁棒性。关于图像特征的索引，可以包含颜色集、颜色聚合向量、颜色直方图、颜色相关图等。利用平均查全率与平均查准率两项，可以有效比较各自的性能，并且很
基于大数据的图像检索关键技术
