面向圖像檢索的感知哈希算法研究.pdf

1、隨著數(shù)字媒體技術(shù)和計算機網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，互聯(lián)網(wǎng)上在線圖像的飛速增長，在浩如煙海的圖像數(shù)據(jù)資源中迅速精準地查找所需的圖像數(shù)據(jù)卻變得越來越難以實現(xiàn)。因此，如何對圖像信息進行自動化分析和理解，進而快速、準確、全面地從紛繁復雜的的海量圖像中檢索、甄別出所需的內(nèi)容，最終實現(xiàn)分析、歸納、追蹤等應(yīng)用，是大數(shù)據(jù)環(huán)境下亟待解決的問題。
　　感知哈希的研究溯源于數(shù)字水印技術(shù)，借鑒了傳統(tǒng)密碼學領(lǐng)域的哈希理論和多媒體的認證理論等相關(guān)領(lǐng)域的概念。從特征

2、提取和哈希值構(gòu)造角度出發(fā)，目前的研究重點主要著眼于保證哈希值對圖像壓縮、縮放和濾波等內(nèi)容保持性操作的魯棒性，也就是既保證哈希碼的內(nèi)容敏感性也保證哈希碼的感知魯棒性，為圖像檢索提供了更為高效、有效的解決方式。然而，由于大規(guī)模環(huán)境下圖像數(shù)據(jù)量龐大，使得相關(guān)感知哈希的研究具有其自身的特殊性和復雜性，其性能要求更高，導致現(xiàn)有圖像感知哈希算法難以應(yīng)對大規(guī)模環(huán)境下圖像檢索對魯棒性、區(qū)分性和緊湊性等方面的需求，成為阻礙該技術(shù)研究與應(yīng)用進一步發(fā)展的主要

3、因素。可見，研究大規(guī)模環(huán)境下面向圖像檢索的感知哈希算法，是一項極富挑戰(zhàn)性的研究難題。
　　針對面向圖像檢索的感知哈希算法目前存在的問題，首先討論并分析了現(xiàn)有視覺詞匯生成方式的局限性，提出了一種基于二值指紋的視覺詞匯生成方法，并構(gòu)建了一個高效的搜索體系框架，用于圖像檢索。為了構(gòu)建指紋，首先，通過對局部特征進行置亂和降維，提取一個32位向量并將其轉(zhuǎn)化為一個數(shù)；然后，通過進行直方圖相交來度量兩幅圖像之間的相似程度。該方法避免了耗時的圖像

4、局部特征聚類過程，且指紋構(gòu)建復雜度低，從而具有較高的效率，相較于傳統(tǒng)的基于視覺詞匯理論的大規(guī)模圖像檢索系統(tǒng)，卓有成效地提高了檢索的速率。此外，基于指紋的視覺詞匯比基于聚類的視覺詞匯更具辨識力和精確度，因為視覺詞匯量既足夠大又能保持高效。
　　隨后，將機器學習引入視覺詞匯生成過程，研究了基于線性判別分析的的圖像哈希算法。該方法一方面通過線性判別分析同時達到增大類間差異和減小類內(nèi)差異的目的，進而增加視覺詞匯的辨識力；另一方面利用機器學

5、習的方法在小規(guī)模數(shù)據(jù)集上學習得到哈希函數(shù)，能對任意新來的圖像進行快速哈希，生成緊湊的哈希碼，從而大大加快了在線檢索的速度。通過與已有方法進行實驗對比，證實了該方法的可行性、有效性和優(yōu)越性。
　　機器學習能有效簡化哈希過程本身，從而提高檢索效率。但現(xiàn)在哈希算法中的語義損失等問題仍是不可忽視的問題。針對語義損失，本文提出了一種基于數(shù)據(jù)感知的哈希方法，不僅探索了特征數(shù)據(jù)的局部結(jié)構(gòu)，還將數(shù)據(jù)間局部結(jié)構(gòu)的重建誤差和映射誤差結(jié)合起來，構(gòu)建了一

6、個綜合優(yōu)化的目標函數(shù)，并通過跡優(yōu)化求解出一個初始優(yōu)化解。然后，為了進一步優(yōu)化這個目標函數(shù)，我們提出了兩種方法，分別是通過特征融合和迭代局部搜索來進一步優(yōu)化求解，從而以達到進一步降低語義損失的目的。實驗表明，所提算法能有效搜索出相似圖像，并優(yōu)于現(xiàn)有的大多哈希方法。
　　通過本文的研究，我們提出了一系列有效解決圖像檢索應(yīng)用中針對大規(guī)模圖像感知哈希問題的方法。但展望后續(xù)研究，我們?nèi)孕柽M行探索和完善，考慮從圖像特征學習、用戶反饋信息理解、