基于OpenStack云架构的尺度不变特征变换算法-论文.pdf

《基于OpenStack云架构的尺度不变特征变换算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001—90812014—06—30计算机应用，2014，34(S1)：90—92，123CODENJYIIDUhttp：／／www．joca．cn文章编号：1001-9081(2014)S1—0090—03基于OpenStack云架构的尺度不变特征变换算法曲进男，唐政，王帅群’(1．同济大学电子与信息工程学院，上海201800；2．富士大学电子与信息学院，岩手197一O8o4，日本)(通信作者电子邮箱fishinlab@sina．corn)摘要：在OpenSt

2、ack计算架构基础上，部署并解决了尺度不变特征变换(sivr)特征提取在单一计算节点中计算效率的低下的问题。在保持计算结果精度的前提下，降低了系统计算资源负载，对大量sIFr计算请求进行实现，通过Nova以及Swift项目实现动态规划计算节点和面向对象存储，保证了原算法计算的精度，同时降低20％以上的系统负载，达到预期效果。关键词：云计算；尺度不变特征变换；OpenStack；基础设施即服务中图分类号：TP301．6文献标志码：AScale．invariantfeaturetransformbasedonOpenStackclo

3、udframeworkQUJinnan，TANGZheng一，WANGShuaiqun(1．SchoolofElectronicandInformation，TongfiUnitershy,Shanghai201800，China；2．SchoolofElectronicandInformation，FujiUnitersity,1wateken197—0804，Japan)Abstract：ThecomputationaleficiencyofScale—InvariantFeatureTransform(SIFT)algor

4、ithmforcomputinginasinglenodeislow．Formaintainingtheaccuracyofthepremise．andthesystemcalculatingresourceloadwasdowngraded．AlargenumberofSIFTcalculationrequestswereimplemented．ThroughNovaandSwiftproject，computenodesdynamicprogrammingandobject—orientedstoragewererealiz

5、ed．TheaccuracyoftheoriginalalgorithmW88ensured，reducingtheloadonthesystemmorethan20％asexpected．Keywords：cloudcomputing；Scale—InvariantFeatureTransform(SI；OpenStack；InfrastructureasaService(IaaS)内的视觉角度，仍然能够得到良好的检测效果。0引言整个算法可以分为以下几个部分。云计算概念的提出距今已有十年，并且从企业级应用慢1．1．1读入原始图

6、像并对其进行预处理慢转向了个人用户。云计算开源项目层出不穷，OpenStack就将图像归一化为高度^e喀胁，宽度width，深度depth的原是其中的佼佼者。云计算并非是完全被创造出来的新事物，始尺度图像，尺度不变特征变换(SIFT)通过高斯卷及核构建而是对计算机并行计算、计算机网络等领域的综合与生化。图像尺度空间，那么二维图像的尺度空间可定义为：当今数据可以从世界的任何角落被产生出来，移动设备代理、L(，Y，)=G(，Y，or)×，(，Y)(1)网络世界、企业数据以及医疗数据，等等。在这些由不同需求c(，Y，)=二1Tcrex

7、p(、二cr)(2)而产生出来的多媒体数据中，图像数据是普遍的、基础的一类。数据规模的增长已经远远超越了计算机的处理能力增长尺度可变高斯函数。的速度‘lI2J。超大型计算机并不是任何从事计算机研究领域通过高斯差分空间可以有效地在尺度空间检测到稳定的的研究人员可以随意使用的，昂贵的价格以及运行的巨大成关键点，调整尺度不变高斯函数中参数，生成高斯差分空间。本都限制了其使用。开源云项目配合日趋发展的虚拟化技术D(，y，)=(G(，Y)一G(x，Y，))×，(，Y)(3)可以满足价格低廉、易于使用、无需关心底层的要求。多节点D(，Y，)

8、=L(，Y)一L(，Y，)(4)并行处理是对付大规模数据的有效手段，但是对程序设计有1．1．2寻找高斯差分极值点较高要求。本文将经典尺度不变特征变换(Scale．Invariant在高斯差分空间中寻找尺度空间极值点，将每个采样点FeatureTransform，