[发明专利]一种局部特征的分布式并行提取方法

摘要

本发明公开了一种局部特征的分布式并行提取方法，包括：利用图像爬虫软件下载图像到云环境中的各个计算节点，并建立图像数据库，图像数据库中存储了每张图像的ID与计算节点的ID之间的映射关系，并行地获取每个计算节点上存储的每张图像的像素值，并建立图像的ID与其像素大小之间的映射关系，根据云环境中每个计算节点存储的每张图像像素大小，获得云环境中每个计算节点上总像素值，根据云环境里每个计算节点总像素值、计算节点的个数、每个计算节点的网络状况，确定供应计算节点，供应计算节点应供应的图片和接收这些图片的计算节点。本发明能够解决现有方法中存在的局部特征提取过程中，各计算节点图像数量分配不准确和计算负载不均衡的问题。

主权项

一种局部特征的分布式并行提取方法，其特征在于，包括以下步骤：（1）利用图像爬虫软件下载图像到云环境中的各个计算节点，并建立图像数据库，图像数据库中存储了每张图像的ID与计算节点的ID之间的映射关系；（2）并行地获取每个计算节点上存储的每张图像的像素值，并建立图像的ID与其像素大小之间的映射关系；（3）根据云环境中每个计算节点存储的每张图像像素大小，获得云环境中每个计算节点上总像素值；（4）根据云环境里每个计算节点总像素值、计算节点的个数、每个计算节点的网络状况，确定供应计算节点，供应计算节点应供应的图片和接收这些图片的计算节点；（5）对于云环境中每个供应计算节点，根据供应计算节点应供应像素的个数和该供应计算节点上每张图像的像素值，获得被传输图像的ID与传输的目的计算节点ID，其计算式如下所示： min σ ia | Σ a = 1 F X ia × σ ia - S ij | σia∈{0,1},Xia∈N+其中Xia表示第i个供应计算节点上第a张图像所对应的图像像素大小，F表示第i个供应计算节点上图像的总张数，σia表示i个供应计算节点上第a张图像是否被传输到第j个需求计算节点；（6）对于云环境中每个供应计算节点，根据被传输的图像ID与目的计算节点ID之间的映射关系，将图像ID所对应的被传输的图像从供应计算节点传输到目的计算节点ID所对应的需求计算节点；（7）根据图像传输的结果，重新建立图像数据库中每张图像ID与存 储该图像的计算节点ID之间的映射关系；（8）在每个计算节点上，对该计算节点上存储的所有图像并行地进行特征兴趣点检测；（9）根据每个计算节点上每张图像的特征兴趣点的个数，获得每个计算节点上的总特征兴趣点个数；（10）根据每个计算节点的总特征兴趣点数、计算节点的个数再次确定供应计算节点、供应计算节点应供应的图片和接收这些图片的计算节点；（11）对于云环境中每个供应计算节点，根据供应计算节点应供应特征兴趣点的个数和每张图像特征兴趣点的个数，计算被传输图像的ID与传输的目的计算节点ID，其计算式如下所示： min ζ ib | Σ b = 1 G Y mb × ζ mb - ψ mn | ζib∈{0,1},Ymb∈N+其中Ymb表示第m个供应计算节点上第b张图像所对应的图像像素大小，G为表示第m个供应计算节点上图像的总张数，ζmb表示m个供应计算节点上第b张图像是否被传输到第n个需求计算节点；（12）对于云环境中每个供应计算节点，根据被传输的图像ID与目的计算节点ID之间的映射关系，将图像ID所对应的被传输的图像从供应计算节点传输到目的计算节点ID所对应的需求计算节点；（13）图像传输完成后，根据每个计算节点存储的图像，再次建立图像数据库中每张图像ID和计算节点ID之间的映射关系；（14）并行地提取云环境中每个计算节点上每张图像的局部特征，并建立图像数据库中每张图像ID与提取的局部特征之间的映射关系，以得到并输出最终的该图像数据库的局部特征提取的结果。