K-Means聚類(lèi)算法的優(yōu)化及在圖片去重中的應(yīng)用.pdf

1、隨著云存儲(chǔ)服務(wù)高速發(fā)展及普及，多媒體數(shù)據(jù)如圖片、視頻等越來(lái)越成記錄和分享信息的主要方式。與傳統(tǒng)文字記錄相比，圖片等多媒體數(shù)據(jù)存儲(chǔ)所占用存儲(chǔ)空間要大得許多。因此在應(yīng)對(duì)圖片等多媒體數(shù)據(jù)時(shí)，如何有效的對(duì)圖片去重，減少存儲(chǔ)圖片的容量也是一種新的挑戰(zhàn)。研究觀察發(fā)現(xiàn)在主流的社交網(wǎng)站（如facebook、qq、百度云）中，相似性圖片在總圖片數(shù)量集中占據(jù)很大比例。相似性圖片其定義為經(jīng)過(guò)圖片的常見(jiàn)變換，例如圖片的連拍、水印、裁剪、縮放等操作得到的一系列圖

2、片。針對(duì)這一發(fā)現(xiàn)，設(shè)計(jì)出一種圖片去重系統(tǒng)。
　　圖片去重系統(tǒng)可以分為兩部分。第一部分，將圖片集進(jìn)行相似性聚類(lèi)，對(duì)圖片集進(jìn)行基于內(nèi)容的圖片檢索。在圖片檢索技術(shù)方面，先將圖片進(jìn)行預(yù)處理，提取圖片局部特征值，對(duì)提取的所有特征值執(zhí)行K-Means聚類(lèi)算法，將最終的聚類(lèi)中心作為BOW(Bag-of-Words)模型的視覺(jué)單詞，用視覺(jué)單詞對(duì)SIFT特征點(diǎn)集進(jìn)行量化處理，從而達(dá)到一張圖片只需要用一個(gè)特征向量表示。最后采用倒排索引方式，將相似性圖

3、片進(jìn)行聚類(lèi)。第二部分，由于已聚類(lèi)好的相似性圖片其相似度很高，采用視頻流壓縮算法對(duì)圖片進(jìn)行壓縮，極大減少圖片存儲(chǔ)容量。
　　K-Means聚類(lèi)算法是圖片相似性聚類(lèi)過(guò)程中的關(guān)鍵技術(shù)，其執(zhí)行速度與結(jié)果將直接影響相似性圖片壓縮效果。換句話說(shuō)，K-Means聚類(lèi)算法會(huì)是整個(gè)系統(tǒng)的一個(gè)性能瓶頸。當(dāng)處理大數(shù)量特征點(diǎn)時(shí)，標(biāo)準(zhǔn)K-Means聚類(lèi)算法中數(shù)據(jù)點(diǎn)n和中心點(diǎn)k值會(huì)變得相當(dāng)大，從而使得K-Means聚類(lèi)算法效率變得低下。設(shè)計(jì)實(shí)現(xiàn)一種K-Mea