基於HADOOP架構運用影像分群方法改善影像拼貼之效率

隨著網路技術普及，雲端服務的基礎建設日趨成熟，物聯網應用技術蔚然成形，讓我們可以從生活中獲取更多的與巨量數位資料，並運用這些資料加以分析開啟全新的智慧生活應用服務。開放原始碼的Hadoop軟體框架，對於各個產業的資料分析有著顯著卓越的貢獻，基於開放原始碼的原因，有更多的開發者投入開發增強 Hadoop的框架，使其有更優越的效能以及延展性。本篇論文基於Hadoop架構，運用K-Medoids演算法，以改善 Szul學者及Bednarz學者於 2014年提出的馬賽克影像處理技術之效能。本研究中所加入的K-Medoids 演算法，透過將影像庫分群的方法避免一個目標影像的區塊對類似的影像進行比對。所以把類似的影像分為一個群集，每個群都有一個有表性的Medoid，再利用每個群集的Medoid產生編碼簿。利用編碼簿跟目標影像的每個區塊進行比對，找到最適合的Medoid來產生馬賽克影像。實驗的數據顯示，加入這個演算法不但可以加速馬賽克影像拼貼的速度，亦可以保有一定水準的影像品質。

In the last decade, the advance of network technology provides ubiquitous networking capabilities for interconnecting to everything between humans and kinds of smart objects. A data-processing platform should be able to natively deal with big data in the Internet of Things (IoTs) world. Accordingly, here comes the Hadoop which embraces the IoTs. This paper demonstrates how to create photographic mosaics based on K-Medoids algorithm using a Hadoop API based framework in a more efficient way and compares it to the results proposed by Szul and Bednarz. In the research, the proposed method find the similar image to the target image by using the clustering algorithm, K-Medoids algorithm, rather than exhaustively search. Therefore, the efficiency of composing mosaic image is increased. The quality of mosaic image could be maintained in a certain human eye perception.