Resumen

El rápido crecimiento de las imágenes digitales ha hecho que la tecnología tradicional de recuperación de imágenes se enfrente a un nuevo reto. En este artículo presentamos un nuevo enfoque para la recuperación de imágenes de escenas a gran escala con el fin de resolver los problemas del procesamiento masivo de imágenes mediante métodos tradicionales de recuperación de imágenes. En primer lugar, mejoramos el algoritmo de agrupación tradicional k -Means, que optimiza la selección de los centros de agrupación iniciales y el procedimiento de iteración. En segundo lugar, presentamos un diseño paralelo y un método de realización para el algoritmo k -Means mejorado, aplicándolo a la agrupación de características de imágenes de escenas. Por último, se propuso un esquema de almacenamiento y recuperación de imágenes de escenas a gran escala utilizando la gran capacidad de almacenamiento y la potente capacidad de computación paralela de la plataforma distribuida Hadoop. Los resultados experimentales demostraron que el método propuesto lograba un buen rendimiento. En comparación con los algoritmos tradicionales con arquitectura de nodo único y el algoritmo paralelo k-Means, el método propuesto tiene ventajas obvias para su uso en la recuperación de datos de imágenes de escenas a gran escala en términos de precisión de recuperación, sobrecarga de tiempo de recuperación y rendimiento computacional (aumento de velocidad y eficiencia, aumento de tamaño y aumento de escala), lo que supone una mejora significativa de la aplicación de procesamiento paralelo a algoritmos inteligentes con conjuntos de datos a gran escala.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Rápido crecimiento; imágenes digitales; tecnología de recuperación de imágenes; nuevo reto; recuperación de imágenes de escenas a gran escala; métodos tradicionales de recuperación de imágenes; algoritmo de agrupación k -Means; centros de agrupación iniciales; procedimiento de iteración; diseño paralelo; algoritmo k -Means mejorado; agrupación de características; imágenes de escenas; esquema de almacenamiento y recuperación; imágenes de escenas a gran escala; capacidad de almacenamiento; potente capacidad de computación paralela; plataforma distribuida Hadoop; resultados experimentales; método propuesto; algoritmos tradicionales; arquitectura de nodo único; algoritmo paralelo k -Means; precisión de recuperación; sobrecarga de tiempo de recuperación; rendimiento computacional; procesamiento paralelo; algoritmos inteligentes; conjuntos de datos a gran escala.
• Keywords:Rapid growth; digital images; image retrieval technology; new challenge; large-scale scene image retrieval; traditional image retrieval methods; k -Means clustering algorithm; initial cluster centers; iteration procedure; parallel design; improved k -Means algorithm; feature clustering; scene images; storage and retrieval scheme; large-scale scene images; storage capacity; powerful parallel computing ability; Hadoop distributed platform; experimental results; proposed method; traditional algorithms; single node architecture; parallel k -Means algorithm; retrieval accuracy; retrieval time overhead; computational performance; parallel processing; intelligent algorithms; large-scale datasets