基于圖像哈希的大規(guī)模圖像檢索方法研究.pdf

1、在Web2.0時代，隨著相機、手機、平板電腦等圖像獲取設備日益普及，人們可隨時隨地拍照并上傳到網絡上，通過社交網絡迅速傳播。調查結果顯示，2011年全球有1.8ZB的數據被創(chuàng)建和復制，其中75％是以圖片、視頻和音樂為主的非結構化數據。面對數量如此龐大的數據，如何快速準確地進行內容查找對大規(guī)模數據管理有重大意義。傳統(tǒng)的最近鄰圖像檢索方法在處理大規(guī)模圖像庫時，由于“維數災難”會導致特征存儲空間大、檢索速度慢的問題。圖像哈希技術通過構造哈希函

2、數將高維數據映射成低維的二值哈希碼，并在二值空間中保持高維數據的空間結構，具有表示方式簡潔、存儲空間小、檢索速度快等優(yōu)點，近幾年在基于內容的近似最近鄰圖像檢索中備受關注。本文結合圖像哈希技術，研究了大規(guī)模圖像庫的檢索問題，論文主要工作如下:
　　(1)針對圖像沒有標簽信息的情況，本文提出一種多表弱主成份圖像哈希方法。首先，對于每個哈希表，通過“去能量”的方式將數據投影到不同的弱主成份方向上，得到每個哈希函數的輸入數據;然后,采用正

3、交旋轉的方法對投影方向進行旋轉，優(yōu)化哈希函數的投影矩陣，增強數據之間的區(qū)分性。采用CIFAR10和SIFT1M兩個國際公開的大規(guī)模數據進行測試，與6種已有的哈希方法進行比較，驗證了本文方法的有效性。
　　(2)當可以獲得一部分圖像的標簽信息時，本文從特征選擇的角度利用標簽信息，提出一種基于Boosting的有監(jiān)督圖像哈希方法。該方法借鑒boosting思想，根據前一個哈希表對已知標簽樣本判別正確與否，確定當前哈希表輸入樣本的權重，

4、為每個哈希表選擇輸入樣本，并在保持樣本關系和哈希碼量化誤差最小化雙重約束下，優(yōu)化哈希投影向量。實驗中，采用CIFAR10和SIFT1M兩個測試庫，與7種已有哈希方法進行比較，驗證了本文方法的有效性。
　　(3)針對漢明距離的整數取值會影響圖像的排序問題，本文提出兩種基于圖像哈希的圖像重排方法:基于距離權重的重排方法(DWR)和基于比特位重要性的重排方法(BPIR)。基于距離權重的重排方法將哈希值相同碼位的歐氏特征的距離傳遞到哈希值