摘要：通过对故事可视化领域进行深入研究,提出一个完整的故事可视化系统.首先利用自然语言处理对故事脚本进行解析,自动形成场景单元及关键字,根据关键字从互联网上搜索相应的图像序列;然后提出一种改进的前景自动提取算法,并分别采用不同的过滤策略获取所需的候选前景和背景图像;最后根据用户选定的图像合成单幅场景,并采用一致性优化算法来保持场景之间的连续性与一致性.实验结果证明,该系统能够智能地辅助用户生成故事图像序列,增加其认知和创作乐趣,有效地减轻用户创作的负担和约束,而对用户本身无需任何艺术背景要求.文中工作可用于儿童认知以及导演创作等应用领域.

摘要：提出一种快速显示海量图像数据的方法,以图像分块技术和金字塔技术为基础,使用数据缓存+显示缓存以提高图像显示速度。设计了一种基于多线程技术的图像数据调度和绘制流程,保证了图像浏览的流畅性。经测试,该方法能够较好地实现海量图像的快速漫游和缩放。

摘要：传统图像分类算法没有考虑当前图像数据的海量、大规模特点,使得图像分类效率、分类准确率低,为了解决当前图像分类算法存在的难题,设计基于云平台的海量图像分类算法。首先提取反映图像内容的分类特征,并对图像类型采用专家进行标记,构建图像分类的训练样本,然后针对当前图像分类错误率高的问题,设计基于最小二乘向量机的图像分类器,最后利用云平台的分布式、并行处理的优点实现海量图像分类,并采用图像分类仿真实验分析所提算法的性能,该方法降低了海量图像分类的计算复杂度,减少了海量图像分类的时间,提升了海量图像分类效率,而且海量图像分类综合效果要显著优于传统图像分类算法,验证了所提算法的海量图像分类优越性。

摘要：传统基于内容的图像检索方法通过相似度测量算法获取检索结果,对海量图像存在检索效率低和精度差的弊端,因此设计基于Hadoop分布式的海量图像检索方法,其基于Hadoop云平台对海量数码图像实施分布式运算,采集图像SURF特征,采用K-Means聚类方法将相似图像SURF特征聚集起来,通过TF-IDF数据挖掘技术对图像特征实施量化,进而基于Hadoop平台中的Lucene框架塑造海量图像数据的索引模块和搜索模块,依据用户输入的图像SURF特征塑造海量图像数据索引,完成相似图像的准确检索。实验结果说明,所提图像检索方法检索出的图像质量佳,对海量图像进行检索的效率和精度高。

摘要：论述了内存映射文件使用过程中发生内存耗尽的原因和解决办法,并设计了一个可用于海量图像分割的类,给出了一个海量图像分割的实例。

摘要：海量图像查重算法采用云计算技术在云平台上实现图像上传、处理、分类。通过图像分类器实现图像分类;利用Zernike矩阵对分类后的图像实行图像比对,确定图像的四周的伪边块,根据图像像素值采用二值化方式处理图像,并在处理后进行边缘检测和直线检测,确定真实图像大小;通过归一化相似度准则计算两幅真实图像的相似度,据此判断图像重复情况。结果表明:该算法图像分类精度高于99%,查重精度高于对比算法,且在相似度阈值为0.8~0.9时,查重精度最高。

摘要：针对传统基于内容的图像检索系统在存储、处理、检索海量图像等方面的不足,借助Hadoop分布式技术和HBase面向列的数据库对海量数据出色的读写性能,提出了一种适用于海量图像数据存储与处理的检索框架。该框架提供处理图像数据的可序列化数据类型,并通过通用的输入模块实现海量图像的输入和数据类型转换,为现有的图像处理、特征提取等算法的并行处理提供可行的方案。

摘要：为解决传统海量图像检索方法存在的问题,本文提出基于Hadoop分布式的海量图像检索方法.该方法利用Hadoop的聚类功能分布式存储海量图像,确定海量图像特征的模糊空间,计算海量图像特征相似度,以海量图像特征检索匹配相似度为核心指标,得出基于Hadoop分布式检索海量图像结果,完成海量图像检索。实例结果表明:设计检索方法测得的检索查全率高于对照组,能够解决检索查全率低的问题。

摘要：随着互联网技术的快速发展和普及,社交媒体非常活跃,形成了大量的数字图像,除此之外,医学和遥感领域每天也会产生海量数据。传统的单机图像处理方式已经不能适应时代发展的要求,所以如何挖数据信息,同时处理海量数据就成为研究热点。Hadoop是应用非常广泛的开源性大数据处理平台,在海量图像处理方面具有突出的优势。本文首先分析大数据时代下海量图像的产生和应用情况,阐述Hadoop的特征和优势,在此基础上提出海量图像处理解决方案,从数据导入、数据服务、数据请求、可视化设计功能等几个层面深入分析,优化图像处理算法并提出高效的海量图像处理框架,经过验证,该系统框架具有良好的适用性。

摘要：检索图像时,由于高频信息的分析精度较低,导致检索性能偏低,为此提出基于特征聚类的网络海量图像快速检索方法。应用4个一阶梯度算子和1个二阶梯度算子提取图像的高频信息,并计算均值曲率,在均值曲率参数差距小于残差值的最大值,且满足平滑值要求的前提下,对图像进行聚类处理。在检索阶段,以图像的均值曲率特征为基础,确定对应的检索聚类范围,再将残差值和平滑值作为具体检索结果的输出基准。在测试中,设计方法检索结果的归一化折损累计增益与数据集标签种类、测试图像质量之间未表现出明显的相关关系,始终稳定在0.95以上,具有良好的巡回性和较高的检索效率。