【摘要】：哈希算法已被廣泛應(yīng)用于解決大規(guī)模圖像檢索的問題.在已有的哈希算法中,無監(jiān)督哈希算法因為不需要數(shù)據(jù)庫中圖片的語義信息而被廣泛應(yīng)用.平移不變核局部敏感哈希(SKLSH)算法就是一種較為代表性的無監(jiān)督哈希算法.該算法隨機的產(chǎn)生哈希函數(shù),并沒有考慮所產(chǎn)生的哈希函數(shù)的具體檢索效果.因此,SKLSH算法可能產(chǎn)生一些檢索效果表現(xiàn)較差的哈希函數(shù).在本文中,提出了編碼選擇哈希算法(BSH).BSH算法根據(jù)SKLSH算法產(chǎn)生的哈希函數(shù)的具體檢索效果來進(jìn)行挑選.挑選的標(biāo)準(zhǔn)主要根據(jù)哈希函數(shù)在3個方面的表現(xiàn):相似性符合度,信息包含量,和編碼獨立性.然后,BSH算法還使用了一種基于貪心的選擇方法來找到哈希函數(shù)的最優(yōu)組合.BSH算法和其他代表性的哈希算法在兩個真實圖像庫上進(jìn)行了檢索效果的對比實驗.實驗結(jié)果表明,相比于最初的SKLSH算法和其他哈希算法,BSH算法在檢索準(zhǔn)確度上有著明顯的提高.
[Abstract]:Hash algorithm has been widely used to solve the problem of large-scale image retrieval. Among the existing hash algorithms, the unsupervised hash algorithm is widely used because it does not require semantic information of images in the database. The translation-invariant kernel locally sensitive hash (SKLSH) algorithm is a typical unsupervised hash algorithm. The algorithm generates hash function randomly without considering the specific retrieval effect of the generated hash function. Therefore, the SKLSH algorithm may produce some hash functions with poor retrieval performance. In this paper, a coding selective hash algorithm (BSH). BSH) is proposed, which is selected according to the specific retrieval effect of the hash function generated by the SKLSH algorithm. The selection criteria are based on the performance of the hash function in three aspects: similarity coincidence, information inclusion, and coding independence. Then, the BSH algorithm also uses a greedy selection method to find the optimal combination of hash functions. The BSH algorithm and other representative hash algorithms are compared in two real image databases. Experimental results show that, compared with the original SKLSH algorithm and other hash algorithms, the BSH algorithm has a significant improvement in retrieval accuracy.
【作者單位】： 華南理工大學(xué)計算機科學(xué)與工程學(xué)院;
【基金】：Supported by National Natural Science Foundation of China(61272201,61572201) National Undergraduate Innovative and Entrepreneurial Training Program(201510561072)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃云軻;辛小龍;李成龍;李聿民;;關(guān)于對哈希算法的研究與應(yīng)用[J];計算機光盤軟件與應(yīng)用;2012年03期

2 王遠(yuǎn);;可重構(gòu)哈希算法芯片的設(shè)計與實現(xiàn)[J];電腦知識與技術(shù);2012年04期

3 張江,傅鶴崗;基于關(guān)聯(lián)規(guī)則的二維哈希算法的改進(jìn)[J];計算機工程與設(shè)計;2005年08期

4 唐銘;史長瓊;周愷卿;張大方;;倒插入分段哈希算法[J];計算機應(yīng)用;2011年02期

5 孫陽;朱宏峰;劉天華;;一種新型抗旋轉(zhuǎn)攻擊的魯棒哈希算法[J];小型微型計算機系統(tǒng);2011年04期

6 賀賢明,邵雷兵;一種基于學(xué)習(xí)的自適應(yīng)哈希算法研究[J];計算機應(yīng)用與軟件;2004年11期

7 邵雷兵,莊毅;一種基于學(xué)習(xí)的自適應(yīng)哈希算法研究[J];微電子學(xué)與計算機;2004年08期

8 陳青華;;一種新型的圖像哈希算法[J];兵工自動化;2011年05期

9 何小衛(wèi);Apriori算法強項集產(chǎn)生的二維哈希算法[J];計算機與現(xiàn)代化;2003年04期

10 李新偉;李雷達(dá);;基于極諧變換的魯棒圖像哈希算法[J];計算機仿真;2014年05期

相關(guān)會議論文 前2條

1 文振q;朱為總;歐陽杰;高金花;;一種魯棒可區(qū)分的視頻感知哈希算法[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 文振q;高金花;劉朋飛;杜以華;張萌;;基于分塊DCT和PCA的圖像感知哈希算法研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前5條

1 焦玉華;音頻感知哈希算法研究[D];哈爾濱工業(yè)大學(xué);2010年

2 趙玉鑫;多媒體感知哈希算法及應(yīng)用研究[D];南京理工大學(xué);2009年

3 趙杠;對偶連接問題的哈希算法研究[D];復(fù)旦大學(xué);2010年

4 胡媛媛;基于視覺模型的圖像感知哈希算法研究[D];哈爾濱工業(yè)大學(xué);2011年

5 袁鑫攀;基于minwise哈希的文檔復(fù)制檢測的研究及應(yīng)用[D];中南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉弘;基于Markov圖模型的特征哈希算法[D];江西師范大學(xué);2015年

2 杜丹丹;基于稀疏哈希算法的目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2015年

3 倪康康;基于哈希算法的圖像檢索系統(tǒng)[D];西安電子科技大學(xué);2015年

4 高憲軍;半監(jiān)督哈希算法研究[D];西安電子科技大學(xué);2014年

5 余俊偉;基于局部不變矩和DWT特征矩陣的圖像哈希算法[D];廣西師范大學(xué);2015年

6 阮林林;基于局部線性嵌入和局部保持投影的圖像哈希算法[D];廣西師范大學(xué);2015年

7 董獻(xiàn)倫;基于關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)切分問題研究[D];山東大學(xué);2016年

8 王建;快速近似近鄰檢索的哈希方法研究[D];山東大學(xué);2016年

9 李秀琴;基于DWT特征點和方向直方圖的圖像哈希算法[D];廣西師范大學(xué);2016年

10 劉凱;基于壓縮感知的圖像哈希算法[D];廣西師范大學(xué);2016年

，

本文編號：2372697