HADOOP eşle/indirge mimarisi kullanılarak görüntülerin en uzun ortak alt dizi algoritması ile örülmesi

Abstract

Bu tezde, görüntü örme adımlarının dağıtık bir şekilde en uzun ortak alt dizi algoritması kullanılarak yapılabilmesi için görüntü örme süreçleri incelenmiş ve görüntü örme adımlarının dağıtık veri işleme altyapısı sunan Apache Hadoop ortamlarında çalışabilmesi için yeni çözümler ve algoritmalar geliştirilmiş.Öncelikle, görüntü örme süreçleri, büyük veri kavramı ve büyük veri işleme kütüphanesi olan Apache Hadoop Framework'ü incelenmiş, görüntülerin metin olarak ifade edilebilmesi Komşuluk Kodu algoritması ve metin olarak ifade edilen resimlerin karşılaştırılması için En Uzun Ortak Alt Dizi (Longest Common Substring-LCS) algoritması geliştirilmiştir. Sonrasında, geliştirilen algoritmaların Apache Hadoop Framework'ünün Eşle/İndirge programlama modeline uygulanabilirliğini göstermek için tek makinede tek thread, çok thread çalışan çözümler geliştirilmiştir. Sonrasında zincirleme üç Eşle/İndirge işinden oluşan Apache Hadoop ortamlarında çalışacak çözüm geliştirilmiştir.

This thesis, image stitching process is examined and analyzed to develop new distributed image stitching algorithm with longest common substring algorithm using hadoop mapreduce architecture.Firstly, image stitching process, big data and Apache Hadoop framework are examined. New algorithm which is name `neighborhood code generator`, is developed that convert image to textual format. The longest common substring algorithm is developed to compare images expressed as text. Single threaded, multi-threaded solutions are developed on a single machine to demonstrate the applicability of the developed algorithms to the mapreduce programming model of the Apache Hadoop Framework. Afterwards, the solution is developed to work in Apache Hadoop environments, which contain three mapreduce chain jobs.