[發(fā)明專利]一種基于Group Lasso的半監(jiān)督哈希圖像搜索方法

有效

• 申請?zhí)枺?/td>: 201710434078.8
• 申請日: 2017-06-09
• 公開（公告）號: CN107273478B
• 公開（公告）日: 2019-10-08
• 發(fā)明（設(shè)計）人: 黃滟鴻;史建琦;王祥豐;吳苑斌
• 申請（專利權(quán)）人: 華東師范大學;上海豐蕾信息科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/51;G06K9/62
• 代理公司: 北京辰權(quán)知識產(chǎn)權(quán)代理有限公司 11619
• 代理人: 董李欣

1.一種基于Group Lasso的半監(jiān)督哈希圖像搜索方法，其特征在于，包括：

步驟S1：識別圖像數(shù)據(jù)庫中的標簽圖像和非標簽圖像，對輸入圖像、所述標簽圖像和所述非標簽圖像進行預處理；

步驟S2：根據(jù)預處理之后的所述輸入圖像、所述標簽圖像和所述非標簽圖像進行基于Group Lasso的半監(jiān)督哈希學習得到各圖像對應的二進制哈希碼；在所述基于Group Lasso的半監(jiān)督哈希學習運算中，包括：根據(jù)所述Group Lasso算法引入稀疏性，進行Group Lasso的嵌入式圖像特征選擇；所述進行Group Lasso的嵌入式圖像特征選擇，具體為：以組為單位將同一組的圖像特征同時選入或者同時剔除；

步驟S3：根據(jù)所述二進制哈希碼計算所述輸入圖像與所述圖像數(shù)據(jù)庫中各圖像之間的海明距離，并返回最小海明距離對應的圖像作為圖像搜索結(jié)果；

所述步驟S2還包括：使用鄰近算法優(yōu)化求解模型；所述使用鄰近算法優(yōu)化求解模型，具體包括：在鄰近算法每次迭代時，從當前迭代點沿著梯度方向找到另一個點使得目標函數(shù)的二次近似函數(shù)的函數(shù)值最小，并將所述當前迭代點更新為得到的最小函數(shù)值；將所述目標函數(shù)的二次近似函數(shù)寫成鄰近算子的形式，具體包括：

步驟1：梯度步，在第t次迭代時，沿著f(W^t)梯度方向移動，另：

其中，t＝1、2、···N，為迭代次數(shù)；u^t是第t次迭代的值；W^t為第t次迭代的模型系數(shù)；滿足利普希茨連續(xù)；L＞0，是的利普希茨常數(shù)的上界；

步驟2：鄰近算子步，用每次迭代的解，即Group Lasso的鄰近算子，更新W^t+1，直到收斂或達到最大迭代次數(shù)N；

W^t+1＝[Prox_μθ(u^t)]_g

步驟3：輸出最優(yōu)解。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S1中，所述預處理包括：灰度化、歸一化、幾何變換和降噪操作。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中，所述根據(jù)所述二進制哈希碼計算所述輸入圖像與所述圖像數(shù)據(jù)庫中的各圖像之間的海明距離之后，還包括：將所述海明距離排序得到最小海明距離。