海量图片集下的同源副本匹配计算平台-通信与信息系统专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （必威体育官网网址的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘要 摘 要 互联网每天都在产生海量的图像信息，如何检索这些海量数据也变得越来越 重要。传统图像检索系统往往基于图像全局特征，无法有效检测不同背景下的同 一物体。新兴的局部特征检测算法在一定程度上解决了这一难题，然而检索耗时 较大，目前往往用于实时性要求不强的领域，如图像的拼接。本文采用局部特征 检测中精度最高的算法——2009 年 Morel 提出的 ASIFT 算法，实现在线海量图像 检索系统。该算法采用传统 PC 方法，在中等规模数据集中进行单次有哪些信誉好的足球投注网站的时耗为 8 小时。本文工作重点在于降低该算法检索耗时，使其可以用于海量库的实时检索。 本文采用跨平台架构实现该海量图像检索系统，将单张图片特征检测耗时由 3.76 秒降低到 0.0716 秒，速度提高了 53 倍，将同源物体在中等规模数据集中的检 索时间降低到平均 11.218 秒。该系统结合 PC 与 TMS320C6713 的特点搭建检索平 台，使用 TMS320C6713 实现并优化 ASIFT 算法，实现了传统图像检索系统不具 备的抗旋转、抗扭曲、抗仿射、抗编辑、抗光照变化检索，并在保证检索精度的 同时，大大降低了局部特征检索的耗时。同时，本系统采用 PC 管理检测系统，搜 集 7376 张真实商品图像作为训练图库，开发系统界面，采用 KD 树数据结构存储 DSP 端反馈的处理数据，做到了良好的人机交互。本文最后给出了一些常见图像 检索方法的精度和耗时，这为该跨平台检索方式提供了依据。 关键词：局部特征，仿射尺度不变性，副本图片检测系统 I ABSTRACT ABSTRACT As Internet generates vast amounts of visual information nowadays, it becomes increasingly important to retrieve these data. Traditional image retrieval systems are usually based on global features of images，which could hardly detect the same objects in different contexts. To some extent, local feature detection method solves this problem. However, the method is more time-consuming, and often used in the fields which does not have real-time requirements such as image stitching. This paper tries to use local feature detection algorithm, an algorithm representative of the highest precision —— 2009 Morel’s Affine Scale Invariant Feature Transform algorithm to develop massive online image retrieval system. With conventional PC methods and medium-sized data set, this algorithm costs 8 hours for every search. This paper focuses on reducing time-consuming, and makes it available for online massive images search. In