面向圖像索引的哈希方法研究.pdf

1、隨著智能設備的日益普及，圖像的種類和數量呈現爆炸式增長，對圖像的有效檢索成為了熱門話題。有效的索引機制是實現大規(guī)模圖像檢索的一個重要前提，而傳統(tǒng)的圖像索引算法一般適用于少量且低維的場景中，不能處理海量數據。因此，針對海量、高維圖像數據，建立有效的索引并實現準確、快速的檢索任務已成為計算機視覺中的研究熱點?；诠５乃饕惴ň哂胁樵兯俣瓤欤鎯φ加眯〉膬?yōu)點，近些年受到了廣泛的關注。在這一背景下，本文的主要工作是研究哈希算法及其在大規(guī)模圖像

2、索引中的應用，主要包括:
　　(1)提出了各向同性的迭代量化哈希算法。迭代量化哈希(Iterative Quantization，ITQ)對旋轉矩陣施加的約束過于單薄，容易導致過擬合;各向同性哈希(IsoHash)缺乏對哈希編碼的更新策略，無法保證編碼質量最優(yōu)。針對上述問題，本文采用迭代的策略，對編碼矩陣和旋轉矩陣交替更新，并在正交約束的基礎上增加各向同性約束來學習最優(yōu)旋轉矩陣，使得投影具有更小的量化誤差。實驗中與主流算法進行了對

3、比，結果表明，該算法具有更好的查全率、查準率。
　　(2)提出了逆譜哈希。譜哈希(Spectral Hash，SH)目標函數的優(yōu)化不能保證在原始高維空間中近鄰的樣本點投影到低維編碼空間中依然近鄰，在各種檢索評價指標中要落后于主流哈希算法。本文在SH的基礎上將輸入與輸出位置交換，將相似性定義從根據原始高維數據轉變成根據低維的哈希編碼，采用人工神經網絡模擬哈希函數進行求解。實驗結果表明，該算法保證了相鄰樣本投影后海明距離小，不相鄰樣本