基于MapReduce模型的立体图像合成方法研究

• 作 者: 王李坤
• 出 处: 天津大学
• 发表日期: 2004年期
• 关键词: Hadoop 立体图像合成 视差调整 分布式计算 MapReduce

在移动互联网时代,信息的数量级急剧膨胀,互联网上的信息每天以几何倍数的速度增加。在这些信息中包括文本信息、图像信息和音频信息等。而其中,图像信息是最为重要的一种多媒体信息,它比文本信息的尺度更大也更加复杂。立体图像处理是计算机研究领域的重要课题,与之相关的产业也十分热门。目前的立体图像处理主要包括立体图像合成和立体图像显示,立体图像合成算法已经有比较多的研究成果,很多的合成算法已经被提出,并且具有不错的执行效率和显示效果,但这些算法还局限在单机环境下,无法应用于大数据量的图像处理中。因此,大规模数据量对立体图像合成算法的实现提出了新的要求。通过对Hadoop平台的特性分析,发现图像文件不适用于直接被Hadoop平台处理。为了解决这一问题,需要对图像文件预先进行处理。根据图像文件预处理方式的不同,本文提出三种立体图像合成算法的分布式实现方式。第一种实现方式通过HIPI框架对图像文件进行合并和切割,使图像文件合并为适用于Hadoop平台处理的HIB文件;第二种实现方式把图像文件的文件名存储在文本块中,文本块是适用于Hadoop平台处理的格式,然后Hadoop平台再通过文件名去读取对应的图像文件;第三种实现方式采用视频存储的方式,视频文件本质上是大量图像文件的集合体,避免了Hadoop平台不适于处理小文件的问题。为了提升立体图像合成算法的合成效果,本文引入视差自适应调整方法,首先通过图像匹配算法计算左右视点图像的平均视差值,与最佳视差值进行比较后得出视差调整值并进行对应的调整。实验结果表明,立体图像合成算法的三种分布式实现方式相比单机处理,运行时间大大缩短,算法效率得到不同程度的提高。同时,引入视差自适应调整之后立体图像的主观评价效果与串扰情况都得到了一定程度的改善。