基于監(jiān)督哈希學(xué)習(xí)算法的圖像檢索研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)以及多媒體技術(shù)的飛速發(fā)展，全球的數(shù)字圖像信息正以驚人的速度增長(zhǎng)。如何從海量的圖像數(shù)據(jù)中快速有效地檢索出滿足用戶需求的圖像是一個(gè)當(dāng)前急需解決的重要問(wèn)題，快速有效的圖像檢索技術(shù)越來(lái)越受到重視?；趦?nèi)容的圖像檢索，即CBIR(Content-based image retrieval)，是計(jì)算機(jī)視覺(jué)領(lǐng)域中關(guān)注大規(guī)模數(shù)字圖像內(nèi)容檢索的研究分支。CBIR可以對(duì)圖像自身內(nèi)容信息進(jìn)行部分詮釋，從而受到了廣泛的關(guān)注。
　　高效的CB

2、IR會(huì)產(chǎn)生大量超高維數(shù)據(jù)，隨之而來(lái)的“維數(shù)災(zāi)難”需要消耗大量的計(jì)算開(kāi)銷以及大量的存儲(chǔ)空間來(lái)保證圖像的高效表達(dá)及匹配。針對(duì)上述問(wèn)題，可以對(duì)高維數(shù)據(jù)進(jìn)行壓縮表達(dá)并為其建立哈希索引結(jié)構(gòu)。另外，由于人對(duì)圖像相似性的判別依據(jù)與計(jì)算機(jī)對(duì)相似性的判別依據(jù)之間的不同，造成了人所理解的“語(yǔ)義相似”與計(jì)算機(jī)理解的“視覺(jué)相似”之間的“語(yǔ)義鴻溝”的產(chǎn)生。為此，在訓(xùn)練過(guò)程中加入人所理解的語(yǔ)義信息來(lái)強(qiáng)化圖像表達(dá)能力，繼而消除部分“語(yǔ)義鴻溝”。
　　本文在閱讀

3、了國(guó)內(nèi)外相關(guān)領(lǐng)域文獻(xiàn)，研究了主流大數(shù)據(jù)處理方法的基礎(chǔ)上，針對(duì)“語(yǔ)義鴻溝”、“維數(shù)災(zāi)難”等暴露出的問(wèn)題，研究了高維數(shù)據(jù)壓縮表達(dá)相關(guān)技術(shù)，取得了以下成果：
　　（1）在傳統(tǒng)MDS降維算法的基礎(chǔ)上，本文提出一種普適降維算法框架，即generalized Multidimensional Scaling（gMDS），使其適用于各種數(shù)據(jù)度量方式，提高了其在最近鄰查詢等方面的適用性。針對(duì)圖像的直方圖表達(dá)結(jié)構(gòu)，主要引入了交叉核度量方式，使得數(shù)據(jù)

4、在一個(gè)超低維度就可達(dá)到很高的圖像內(nèi)容辨識(shí)度。
　?。?）建立了被嵌入的低維空間和原始高維空間之間的映射模型，克服了傳統(tǒng)MDS不適用于數(shù)據(jù)檢索相關(guān)應(yīng)用的缺陷。
　?。?）利用高維數(shù)據(jù)的統(tǒng)計(jì)流型分布作為gMDS降維輸入信息，發(fā)掘了更多的語(yǔ)義信息。
　　（4）在建立哈希索引的過(guò)程中，利用監(jiān)督學(xué)習(xí)方法，結(jié)合人類對(duì)圖像的理解信息，對(duì)降維后數(shù)據(jù)進(jìn)行高效二值化，進(jìn)一步在提高圖像表達(dá)能力的同時(shí)，降低計(jì)算和存儲(chǔ)開(kāi)銷。
　　（5）本

5、文所做研究，是領(lǐng)域內(nèi)對(duì)降維和哈希算法的首次整合，這樣既可以突破降維至超低位后無(wú)處理的瓶頸，也可以在提高哈希索引性能的同時(shí)，加速建立哈希索引的過(guò)程。
　　大量的實(shí)驗(yàn)證明，對(duì)數(shù)據(jù)事先進(jìn)行低維嵌入處理不僅提高了原始圖像數(shù)據(jù)的表達(dá)能力，還降低了后期哈希訓(xùn)練過(guò)程的運(yùn)算及時(shí)間開(kāi)銷。而建立在人類主觀判斷的標(biāo)簽信息基礎(chǔ)上的監(jiān)督哈希算法能夠更好的縮小計(jì)算機(jī)對(duì)現(xiàn)實(shí)圖像數(shù)據(jù)數(shù)學(xué)表達(dá)的語(yǔ)義縫隙。針對(duì)“語(yǔ)義鴻溝”、“維數(shù)災(zāi)難”等問(wèn)題，本文所做研究大大提高了