[发明专利]一种基于Hadoop平台的图像分类方法

摘要

本发明涉及一种基于Hadoop平台的图像分类方法，包括：提取图像Sift特征，生成训练图像的SIFT特征库；利用Sift特征生成BoVW视觉词典；提取BoVW模型的词典后，将经过特征提取的训练图像与此词典对照，把训练图像表示为基于词典的直方图向量形式；将训练图像的直方图向量作为随机森林分类器的训练输入，在Hadoop上设计分类器的并行化生成；针对需要分类的测试图像，将其依次进行特征提取、直方图向量化操作后，输入分类器，在Hadoop平台上进行并行分类。本发明不仅具有较好的分类准确度，同时有效减少分类时间，可以良好地应用于大规模图像分类场景。

主权项

一种基于Hadoop平台的图像分类方法，包括以下步骤：步骤1.提取图像Sift特征：输入多幅训练图像，设计在Hadoop平台上并行提取各个训练图像SIFT特征，生成训练图像的SIFT特征库；步骤2.利用Sift特征生成BoVW视觉词典：在Hadoop平台上，将sift特征库中的sift向量进行分布式聚类，得到若干视觉单词，作为BoVW模型的词典；步骤3.提取BoVW模型的词典后，将经过特征提取的训练图像与此词典对照，把训练图像表示为基于词典的直方图向量形式；步骤4.将步骤3的训练图像的直方图向量作为随机森林分类器的训练输入，在Hadoop上设计分类器的并行化生成；步骤5.针对需要分类的测试图像，将其依次进行特征提取、直方图向量化操作后，输入步骤4所得的分类器，在Hadoop平台上进行并行分类。