王柏翔+姜佳鹏

摘 要： 处理海量图像数据问题时，针对传统的图像检索方法计算速度慢、检索效率低的问题，借助HBase和Hadoop分布式技术对海量数据超强的读写能力，提出一种适用于大数据背景下的基于Hadoop平台的图像检索模型。该图像检索模型提供了图像数据处理的可序列化数据类型，并通过输入模块实现大数据背景下数据类型的转换及海量图像的输入。理论验证了该模型为特征提取、图像处理等并行处理算法提供了可行的方案。

关键词： 图像检索； HBase； Hadoop； 并行处理

中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2016）12-35-04

hods have the problems of lower computation speed and lower retrieval efficiency for processing massive image data. To solve these problems， this paper proposes a retrieval model applied to storage and process massive image data， which with the help of read and write property of Hadoop distributed technology and HBase. This model provides serializable data types for processing image data， and through the input module realizes the data type conversion and massive image input in big data background. The theory proves that the proposed model can provide a feasible solution for parallel processing algorithms of feature extraction， image processing and so on.

Key works： image retrieval； HBase； Hadoop； parallel processing

0 引言

从图像检索技术的发展看，基于文本标注的图像检索和基于图像内容的检索方法提高了图像特征提取、相似度对比[1]，但是大数据时代，对现有的图像处理、表达与度量等方面增加了存储图像数据及高效处理海量数据集的要求。

传统的基于内容的图像检索方法，是对图像采用单机单线程进行特征提取及图像处理，然后将经过处理后的图像特征存入关系型数据库中。发起检索请求时，遍历关系型数据库对比查询到的图像特征和全库特征，对其结果进行排序即为检索的结果。现今图像数据快速增长，即使采用多线程技术处理图像也不能完全解决存储海量图像数据及其处理效率的问题，更不用说简单依赖单计算机的处理能力的传统图像处理技术。

采用HBase和Hadoop分布式技术[2-3]对海量数据进行基于内容的数据图像模型，解决了海量图像数据的存储与传输问题，并且原设计的图像检索算法可直接移植至分布式环境并行处理。……