基于大数据分析的混合属性图像冗余 特征聚类系统设计

龙虎 梁丽香

摘  要： 传统的图像聚类系统得到的聚类结果往往不是最优结果。为了解决这一问题，基于大数据分析技术设计了一种新的混合属性图像冗余特征聚类系统。系统硬件由图像搜索器、网络端服务器、特征索引器、查询器、预处理器、图像数据库、聚类器组成。图像搜索器利用Spider处理器完成搜索，利用API接口和嵌入式管理系统管理图像数据库，建立颜色直方图实现颜色特征处理。软件由图像搜索、图像特征处理、冗余特征聚类三步组成，利用IGroup算法实现聚类。与传统聚类系统进行实验对比，结果表明，新的聚类系统能够在短时间内输出最优的聚类结果，适合图像处理工作。

关键词： 系统设计; 冗余特征聚类; 混合属性图像; 图像搜索; 大数据分析; 图像处理

中图分类号： TN911.73?34; TP391                   文献标识码： A                  文章编号： 1004?373X（2020）13?0049?04

Design of big data analysis based redundant feature clustering system

for hybrid attribute images

LONG Hu， LIANG Lixiang

（School of Big Data Engineering， Kaili University， Kaili 556011， China）

Abstract： In most cases， the clustering results obtained by the traditional image clustering system are not optimal. For this reason， a new redundant feature clustering system for hybrid attribute images is designed based on the big data analysis technology. The system hardware consists of image searcher， network server， feature indexer， querier， preprocessor， image database and clustering device. The Spider processor is used by the image searcher to complete search. The API interface and embedded management system are used to manage the image database and establish the color histogram， so as to realize color feature processing. The software functions consist of image search， image feature processing and redundant feature clustering to achieve clustering by means of the IGroup algorithm. The experiments for contrast between the proposed system and the traditional clustering system were performed. The results show that the proposed clustering system can output optimal clustering results in a short time. Therefore， it is suitable for image processing.

Keywords： system design; redundant feature clustering; mixed attribute image; image search; big data analysis; image processing

0  引  言

随着Internet的高速发展，图像被越来越多地使用在内容表达和信息承載上。网络具有规模大、分布范围广、资源增长速度快的特征，互联网拥有的图像数以亿计，想要通过人工的手段将混合属性图像冗余特征聚类到一起十分困难，因此，必须要设计有效的图像冗余特征聚类系统[1]。

图像冗余特征聚类问题与图像信息收集和信息检索问题相关，图像的冗余特征表现形式共有如下几种：空间冗余、时间冗余、视觉冗余、信息熵冗余和知识冗余[2]。不同类型的图像含有的冗余特征不同[3]，由于Internet具有边缘化的特点，所以图像信息的格式也往往不同[4]。目前研究的图像冗余特征聚类系统主要有两种：第一种是基于图像内容进行聚类;第二种是基于图像语义进行聚类。……