[發(fā)明專(zhuān)利]一種基于集成哈希編碼的快速圖像檢索方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201410657380.6
• 申請(qǐng)日: 2014-11-19
• 公開(kāi)（公告）號(hào): CN104298791A
• 公開(kāi)（公告）日: 2015-01-21
• 發(fā)明（設(shè)計(jì)）人: 李鵬;呂新榮;宋華軍;任鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06K9/46;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于集成哈希編碼的快速圖像檢索方法，包括以下步驟：

（1）給定數(shù)據(jù)庫(kù)，將其分為訓(xùn)練圖像數(shù)據(jù)庫(kù)和查詢(xún)圖像數(shù)據(jù)庫(kù)，對(duì)每一幅訓(xùn)練圖像和查詢(xún)圖像分別提取SIFT特征并利用K-均值聚類(lèi)將其量化表示為d維的特征向量，其中n和q分別為訓(xùn)練圖像和查詢(xún)圖像的數(shù)量，則所有訓(xùn)練圖像的特征向量可以組成一個(gè)訓(xùn)練圖像特征向量庫(kù)，其中X為維的矩陣，X的每一行分別為相應(yīng)訓(xùn)練圖像的特征向量，所有查詢(xún)圖像的特征向量可以組成一個(gè)查詢(xún)圖像特征向量庫(kù)，其中Y為維的矩陣，Y的每一行分別為相應(yīng)查詢(xún)圖像的特征向量；

（2）選取現(xiàn)有的M種不同圖像哈希算法對(duì)訓(xùn)練圖像的特征向量庫(kù)X分別進(jìn)行初始哈希編碼，得到的初始哈希編碼矩陣分別記為（m=1,…,M），其中，是一個(gè)維度為，元素取值為-1或者1的矩陣，每一行代表一幅訓(xùn)練圖像的初始哈希編碼，n為訓(xùn)練圖像總數(shù)，為第m種哈希算法的編碼長(zhǎng)度；

（3）從訓(xùn)練圖像的特征向量庫(kù)X中隨機(jī)按行挑選k幅圖像得到一個(gè)子矩陣，維度是，同時(shí)對(duì)應(yīng)地從每一個(gè)初始哈希編碼矩陣中分別按行隨機(jī)選取一個(gè)子矩陣，維度是，在每一種哈希算法的初始哈希編碼子矩陣基礎(chǔ)上，通過(guò)向量的內(nèi)積來(lái)計(jì)算兩幅訓(xùn)練圖像的初始哈希編碼之間的相似度，其中第m種哈希算法下的訓(xùn)練圖像的初始哈希編碼之間的相似度計(jì)算公式為：

其中為第m種哈希算法下的訓(xùn)練圖像的初始哈希編碼相似度矩陣，維度是，中的每一個(gè)元素表示第i幅訓(xùn)練圖像與第j幅訓(xùn)練圖像在第m種哈希算法下的相似度數(shù)值，并且，的值越大表示兩幅圖像的初始哈希編碼越相似，反之則越不相似，代表矩陣的轉(zhuǎn)置；

（4）按照下面的公式計(jì)算M種不同哈希算法下的訓(xùn)練圖像的初始哈希編碼之間的平均相似度：

其中為融合了M種不同哈希算法的初始哈希編碼相似度的平均相似度矩陣，維度是；

（5）在平均相似度矩陣S的基礎(chǔ)上，利用集成學(xué)習(xí)算法中的一致性約束準(zhǔn)則進(jìn)行圖像哈希編碼的再學(xué)習(xí)，所謂一致性約束準(zhǔn)則是指由再學(xué)習(xí)得到的集成哈希編碼計(jì)算得出的相似度要與M種不同哈希算法的平均相似度矩陣S相一致，具體過(guò)程通過(guò)最小化下面的目標(biāo)函數(shù)實(shí)現(xiàn)：

其中為學(xué)習(xí)得到的集成哈希編碼矩陣，每一行代表一幅訓(xùn)練圖像的集成哈希編碼，為集成哈希編碼的長(zhǎng)度，若集成哈希編碼采用線性映射的形式，則上述目標(biāo)函數(shù)可以寫(xiě)為：

其中為集成哈希映射矩陣，維度是，作用是將圖像從特征空間映射到漢明空間，?sign(.)為取符號(hào)函數(shù)；

（6）對(duì)于查詢(xún)圖像特征向量庫(kù)中的任意一幅查詢(xún)圖像的特征向量，利用集成哈希映射矩陣將其映射到漢明空間，得到其集成哈希編碼，同時(shí)對(duì)訓(xùn)練圖像的特征向量庫(kù)X重新進(jìn)行集成哈希編碼，計(jì)算與每一幅訓(xùn)練圖像的集成哈希編碼之間的漢明距離，如果漢明距離的值小于閾值，則把該幅訓(xùn)練圖像作為對(duì)應(yīng)查詢(xún)圖像的相似圖像返回給用戶(hù)。