[發明專利]基于稀疏降維的譜哈希索引方法

無效

• 申請號: 201010196539.0
• 申請日: 2010-06-08
• 公開（公告）號: CN101894130A
• 公開（公告）日: 2010-11-24
• 發明（設計）人: 吳飛;張嘯;邵健
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

1.一種基于稀疏表達和拉普拉斯圖的哈希索引方法，其特點在于包括如下步驟：

1)將原始圖像利用SIFT方法提取圖像底層特征，得到具有旋轉不變性和規模不變性的圖像底層特征；

2)對具有旋轉不變性和規模不變性的圖像底層特征利用K-means方法進行聚類，用每個聚類中心作為視覺單詞，從而將原始圖像表示為高維空間的視覺單詞的向量；

3)利用直接的稀疏主成分分析方法對高維空間的視覺單詞的向量進行降維并稀疏化，得到低維空間的視覺單詞的稀疏向量；

4)利用有權重的拉普拉斯-貝爾特拉米算子的特征方程和特征根，求得歐氏空間到漢明空間的映射函數，從而將低維空間的視覺單詞的稀疏向量轉化為低維漢明空間向量；

5)對于待檢索的圖像，在低維漢明空間中計算待檢索的圖像與原始圖像的漢明距離，作為圖像相似度計算結果，得到待檢索的圖像的相似圖像。

2.根據權利要求1所述的一種基于稀疏表達和拉普拉斯圖的哈希方法，其特點在于所述的將原始圖像利用SIFT方法提取圖像底層特征，得到具有旋轉不變性和規模不變性的圖像底層特征步驟為：

對于包含N幅原始圖像的訓練集，定義圖像的尺度空間L(x，y，σ)為如下公式：

L(x，y，σ)＝G(x，yσ)*I(x，y)

其中G(x，y，σ)是尺度可變高斯函數，(x，y)是空間坐標，σ是尺度坐標，I(x，y)是圖像的像素值，則利用不同尺度坐標生成高斯差分尺度空間D(x，y，σ)，公式如下：

D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)

k為不同尺度空間的變化系數，計算每個像素點的D(x，y，σ)，并與其相鄰的8個像素點以及相鄰尺度空間的9個像素點，共26個像素點進行比較，找到變化最大的像素點，即為原始圖像的關鍵像素點；關鍵像素點26個方向中變化最大的方向作為關鍵像素點的變化方向，以每個關鍵像素點為中心，四周取64個像素點，每相鄰的4個像素點為一像素組，共得到16像素組，每個像素組的四個像素點的方向做向量相加得到像素組的方向，再投射到每個關鍵像素點的上、下、左、右、左上、右上、左下、右下八個方向上，得到8個坐標值，共得到128個坐標值，為一個圖像底層特征。

3.根據權利要求1所述的一種基于稀疏表達和拉普拉斯圖的哈希方法，其特征在于所述的對具有旋轉不變性和規模不變性的圖像底層特征利用K-means方法進行聚類，用每個聚類中心作為視覺單詞，從而將原始圖像表示為高維空間的視覺單詞的向量步驟為：

用m表示降維的維度，將所有圖像底層特征中的前m個作為m類，各自為自己的聚類中心，然后將剩余的圖像底層特征分別計算與各個聚類中心的距離，并將其加入距離最近的一類中，取各個類所有圖像底層特征的算術平均作為新的聚類中心，重復這一過程直至收斂，此時所有圖像底層特征聚為m類，將每類的中心作為視覺單詞，統計每幅圖像中每個視覺單詞出現的次數，得到的m維向量用來表示原始圖像。

4.根據權利要求1所述的一種基于稀疏表達和拉普拉斯圖的哈希方法，其特點在于所述的利用直接的稀疏主成分分析方法對高維空間的視覺單詞的向量進行降維并稀疏化，得到低維空間的視覺單詞的稀疏向量步驟為：

將原始圖像構成的向量作為行向量將訓練集和測試集表示成矩陣形式，即原集合的特征矩陣X，根據如下公式計算特征矩陣的協方差矩陣∑：

∑＝E[(X-E[X])(X-E(X))^T]

其中E表示期望計算，T表示矩陣轉置，利用半正定約束近似計算協方差矩陣∑的稀疏主成分p，并利用如下公式更新矩陣∑：

∑＝∑-(p^T∑p)pp^T

重復這一過程直到找到∑的m個稀疏主成分(p₁，...，p_m}，將這些主成分向量作為矩陣的列向量，得到矩陣M，從而通過B＝X×M得到新的N×m的低維空間的稀疏向量矩陣B。