Hadoop平台下新型图像并行处理模型设计

Hadoop在处理海量小图像数据时，存在输入分片过多以及海量小图像存储问题。针对这些问题，不同于采用HIPI、SequenceFile等方法，提出了一个新型图像并行处理模型。利用Hadoop适合处理纯文本数据的特性，本模型使用存储了图像路径的文本文件替换图像数据作为输入，不需要设计图像数据类型。在Map阶段直接完成图像的读取、处理、存储过程。为了简化图像处理算法，将OpenCV和Map函数结合并设计了对应的存储方法，实现小图像文件的存储。实验表明，在Hadoop分布式系统平台下，模型不论在小数据量还是在大数据量的测试数据环境中，都具有良好的吞吐性能和稳定性。     

三维重建中线段匹配方法的研究

针对传统基于特征点匹配的重建模型容易存在空洞现象的问题,提出一种基于直线提取算法的线段匹配方法。首先使用无人机设备获取校园建筑图片集,保证拍摄过程中相邻图片存在重叠部分,通过筛选分数最高的相似性评分得到相邻图片集合并只在相邻图片间进行匹配。接着利用直线提取算法提取图片中直线段,然后根据极线约束关系进行二维线段匹配最终生成三维线段模型。二维线段匹配阈值τ、相邻图片个数M、在相邻图像中与特定二维线段相匹配的线段个数K是其中3个重要参数,对4组不同的图片集进行参数评估,实验结果表明当二维线段阈值τ低于0.5,相邻图片个数M为10,在相邻图像中与特定二维线段相匹配的线段个数K为10时三维重建速率与模型精度可接受度最高。