專利名稱：面向圖像檢索的自適應哈希重排方法
技術領域：
本發(fā)明屬于圖像檢索技術領域，涉及到利用圖像哈希方法進行基于內容的圖像檢索，特別涉及到一種面向圖像檢索的自適應哈希重排方法。
背景技術：
基于內容的圖像檢索是以圖像視覺特征間的相似性作為度量標準進行檢索，其任務是從圖像庫中找到與檢索圖像在內容上相似的圖像。傳統(tǒng)的檢索方法用高維的歐式特征向量表示圖像，并利用線性掃描的方式對圖像庫進行檢索。然而對于海量圖像庫進行檢索時，由于圖像數量龐大，相應的特征存儲空間龐大，線性掃描方式的檢索效率非常低。而圖像哈希方法將高維的歐式特征映射為簡潔的二值哈希碼，極大降低了特征的存儲空間，而且哈希碼間漢明距離的計算速度也明顯快于歐氏距離的計算；同時，采用近似最近鄰法檢索相似圖像，也可以有效地提高檢索效率。利用哈希方法進行圖像檢索的主要步驟如下:首先對檢索圖像提取高維的視覺特征，然后選擇適當的哈希方法將高維特征映射成哈希碼，最后通過計算檢索圖像的哈希碼與圖像庫中哈希碼間的漢明距離，按由小到大的順序返回檢索結果。依賴漢明距離進行度量的哈希方法確實提高了檢索效率，但是也存在明顯的缺點。由于漢明距離是整數，對于海量圖像庫來說，可能有成千上萬幅圖像和檢索圖像的距離相等；而且漢明距離只體現了不同哈希碼的個數，而忽略了哈希碼位置對相似性的影響。而對于與檢索圖像漢明距離相等的圖像，返回的順序非常重要，因此有必要對哈希檢索后的圖像進行重排。目前，哈希重排方法主要有兩大類:先映射后排序法和先排序后映射法。先映射后排序法是先對圖像生成哈希碼，并構造加權漢明距離對返回圖像進行重排。它的特點是使?jié)h明距離連續(xù)化，能夠大大減少漢明距離相等的圖像數量。如Query-Adaptive Ranking [Y.Jiang, J.Wang,and S.Chang.Lost in Binarization:Query-Adaptive Ranking forSimilar Image S earch with Compact Codes.1n proceedings of ICMR，2011]是先映身寸后排序法的代表。先排序后映射法是先根據圖像歐式特征間的相似性從圖像庫中篩選出相似圖像，然后對這些圖像生成哈希碼，再按照傳統(tǒng)的漢明距離對返回圖像進行重排。如QsRank[X.Zhang, L.Zhang, and H.Shum.QsRank: Query-Sensitive Hash Code Ranking forEfficient ε -neighbor Search.1n proceedings of CVPR, 2012]是先排序后映射法的典型方法。但由于先排序后映射法先利用圖像視覺特征間的歐式距離篩選相似圖像，因此時間和空間復雜度都較高，檢索效率較低。

發(fā)明內容
本發(fā)明要解決的技術難題是克服現有技術的缺陷，發(fā)明一種先映射后排序的哈希重排方法一自適應哈希重排方法，首先從訓練庫中圖像提取高維的視覺特征，然后選擇適當的哈希方法將高維特征映射成哈希碼，根據訓練庫圖像中各類哈希碼不同維數間的相關性，得到各類圖像的權重向量；再通過計算檢索圖像的哈希碼與圖像庫中哈希碼間的漢明距離，按由小到大的順序返回檢索結果；依據檢索結果計算檢索圖像的自適應權重，利用檢索圖像的自適應權重向量構造加權漢明距離，并利用加權漢明距離對返回圖像進行重排，得到更準確的檢索結果。目的是解決海量圖像檢索中返回圖像的排序問題，尤其是有效地解決了返回圖像中距離相等的圖像的排序問題，提高了檢索的準確率。本發(fā)明的技術方案是:對于訓練圖像庫中的每類圖像，提取圖像的視覺特征向量，并生成哈希碼,對類內哈希碼不同維數間的相關性進行學習，為每類圖像生成特定的類權重向量。對于檢索圖像，計算檢索圖像和圖像庫中圖像的漢明距離并返回檢索結果，依據檢索結果計算檢索圖像的自適應權重。利用檢索圖像的權重構造自適應漢明距離，對檢索結果進行重排，得到更準確的檢索結果。具體實現步驟包括:1、選擇檢索圖像q，確定圖像庫IM和訓練庫T;選擇檢索圖像q，確定包含有N幅圖像的圖像庫IM和包含M幅圖像的訓練庫T,IM= {IM” IM2,...，IMn} , T= (T1, T2,, Tj ,其中:0〈Μ<Ν;2、提取圖像的視覺特征，構成圖像特征庫GM和訓練特征庫GT ；對于圖像庫IM和訓練庫T中的每一幅圖像，利用gist描述符提取圖像的視覺特征，每一幅圖像用一個512維的gist特征向量表示；圖像庫IM中所有圖像的特征向量 構成圖像特征庫GM，GnHGMpGM2，…，Gny，其中，GIM eMisrx512，肢表示實數
集，圖像特征庫中的每個特征向量和圖像庫中的每幅圖像一一對應；訓練庫T中所有圖
像的特征向量構成訓練特征庫GT，GT=IGT1, GT2,GTM}，其中，GT G RMx512，訓練特
征庫中的每個特征向量和訓練庫中的每幅圖像一一對應；檢索圖像q的特征向量為G,，
Gq G R1x5u ；3、分別對圖像特征庫和訓練特征庫中的每個特征向量生成維數為d的哈希碼；利用已有的哈希方法，如LSH、SKLSH或ITQ哈希方法分別對圖像特征庫GIM和訓練特征庫GT中的每個特征向量生成維數為d的哈希碼，分別表示為ΗΙ={ΗΙ” HI2,...，HIJ 和 HT= (HT1, HT2,...HTj，其中 HI e {O, l}NXd 是 NXd 維的矩陣，矩陣的每個元素為O或者I ;HT e {O, l}MXd是MXd維的矩陣，矩陣的每個元素為O或者I ;設訓練庫T中共包含k類圖像，其中k為正整數，則訓練庫T的哈希碼HT按其
類別也可表示力"二 {Hc卜其中#Ci表示訓練庫T中第i類所有
圖像的哈希碼集合，這里i e [l，k];以訓練庫的第i類為例，其哈希碼集合可表示為
hC1 = K/(ii，hv)，...，&、」，為1% Xi/的矩陣，每個矩陣元素為O或I的哈希碼，
其中wCi為訓練庫T的第i類圖像所包含的圖像數目；4、對訓練庫圖像訓練得到類權重向量；通過比較訓練庫T中第i類哈希碼中的每個列向量，統(tǒng)計每列中值為O和I的個數，分別記為mmOc Γ和mm\c丨.，表示訓練庫τ中第i類哈希碼Zfci中第r維哈希碼上0和I的個數，其中r e [i，d];計算訓練庫τ中第i類哈希碼對應的類權重向量 ，其中w是d維的向量，向量中的每個元素是大于 ο 小于 I 的小數；令 max—mmi c, = max {num Oc r, mim I c r}
表示第i類哈希碼開中第r列上o或i的最大個數，則有:max— numc = (max— numc {,max— numc 2,,max_mimc d}，表示
max_ numc
rj的各列上o或i的最大個數；令
權利要求
1.一種面向圖像檢索的自適應哈希重排方法，其特征在于，采用先映射后排序的哈希重排方法，首先提取訓練庫中圖像的高維視覺特征向量，并選擇適當的哈希方法將高維視覺特征映射成哈希碼，根據訓練庫圖像中各類哈希碼不同維數間的相關性，為每類圖像生成特定的類權重向量；再通過計算檢索圖像的哈希碼與訓練庫中哈希碼間的漢明距離，按由小到大的順序返回檢索結果；依據檢索結果計算檢索圖像的自適應權重向量，利用檢索圖像的自適應權重向量構造加權漢明距離，并利用加權漢明距離對返回圖像進行重排，得到更準確的檢索結果；具體步驟如下: 1)、選擇檢索圖像q，確定圖像庫頂和訓練庫T; 選擇檢索圖像q，確定包含有N幅圖像的圖像庫IM和包含M幅圖像的訓練庫T,即IM= {IM” IM2,...，IMn} , T= (T1, T2,, Tj , 其中:0〈Μ〈Ν ； 2)、提取圖像的視覺特征，構成圖像特征庫GIM和訓練特征庫GT; 對于圖像庫IM和訓練庫T中的每一幅圖像，利用gist描述符提取圖像的視覺特征，每一幅圖像用一個512維的gist特征向量表示；圖像庫IM中所有圖像的特征向量構成圖像特征庫GM，GIM= (GIM1, GIM2,GMN}，其中，
全文摘要
本發(fā)明涉及面向圖像檢索的自適應哈希重排方法，屬于圖像檢索技術領域，涉及到利用圖像哈希方法進行基于內容的圖像檢索。該方法采用先映射后排序的哈希重排方法，先提取訓練庫中圖像的高維視覺特征向量，選擇適當的哈希方法將高維視覺特征映射成哈希碼，為每類圖像生成特定的類權重向量；計算檢索圖像的哈希碼與訓練庫中哈希碼間的漢明距離，按由小到大的順序返回檢索結果；依據檢索結果計算檢索圖像的自適應權重向量，利用檢索圖像的自適應權重向量構造加權漢明距離，并利用加權漢明距離對返回圖像進行重排，得到更準確的檢索結果；該方法根據不同的檢索圖像計算特定的權重，具有一般性，且在沒有增加計算復雜度的同時明顯提高了檢索效果。
文檔編號G06F17/30GK103226585SQ20131012316
公開日2013年7月31日 申請日期2013年4月10日 優(yōu)先權日2013年4月10日
發(fā)明者孔祥維, 盧佳音, 付海燕 申請人:大連理工大學