隨著互聯(lián)網(wǎng)時代的到來,圖像、視頻、音頻等數(shù)據(jù)呈指數(shù)趨勢不斷地增長�！熬S度災(zāi)難”讓傳統(tǒng)的圖像檢索技術(shù)中的檢索效果和檢索速度逐漸發(fā)生退化。在圖像檢索的研究中,特征提取和索引構(gòu)建都是檢索任務(wù)中的關(guān)鍵技術(shù)。為了降低圖像維數(shù),很多研究者將注意力轉(zhuǎn)移到流形學(xué)習(xí)上。其旨在高維空間中找到低維流形結(jié)構(gòu)進(jìn)行嵌入映射,以此達(dá)到降維效果。哈希方法通過將原始圖像轉(zhuǎn)化為緊湊的二進(jìn)制碼表示,減少了數(shù)據(jù)存儲所占用的空間,還可以加快檢索速度。因此,流形學(xué)習(xí)與哈希函數(shù)相結(jié)合能夠更好的適用于大規(guī)模圖像庫檢索�；诠５膱D像檢索算法大致上可分為兩個階段,先降維然后再量化。這兩個階段對于最終圖像檢索性能的影響都是至關(guān)重要的。為了減少間接優(yōu)化帶來的損失,研究者已考慮到直接在漢明空間中通過學(xué)習(xí)最優(yōu)二進(jìn)制編碼來保留原始數(shù)據(jù)之間的相似性。如何更好的體現(xiàn)原始數(shù)據(jù)間的相似性,對學(xué)習(xí)到最佳二進(jìn)制編碼也是同樣重要的。本文的主要工作如下:提出了基于稀疏性LLE的哈希算法（SLLH）。該算法對流形學(xué)習(xí)中經(jīng)典算法LLE進(jìn)行改進(jìn),采用一種稀疏的權(quán)重表示,使每個數(shù)據(jù)點找到更適宜自己的最近鄰居以達(dá)到更好地保存原始數(shù)據(jù)間的流形結(jié)構(gòu)的目的,其次嘗試在漢明空間... 

【文章來源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

k值決定數(shù)據(jù)結(jié)構(gòu)

LLE和稀疏LLE從瑞

17(a)原始數(shù)據(jù)(b)LLEK=5(c)LLEK=12(d)稀疏性LLEmaxk=20圖3.2LLE和稀疏LLE從瑞士卷樣本點嵌入2維空間在LLE算法中，最近鄰居K的數(shù)量的選擇明顯會影響原始數(shù)據(jù)之間的特征。本文可以利用一種稀疏的權(quán)重表示，允許其自動確定每個數(shù)據(jù)點的鄰域大小ik，使每個數(shù)據(jù)點找到更適宜自己的最近鄰居構(gòu)建最佳權(quán)值矩陣。其次利用改進(jìn)之后的重構(gòu)權(quán)值矩陣學(xué)習(xí)哈希函數(shù)，嘗試在漢明空間中直接保留原始數(shù)據(jù)間的流形結(jié)構(gòu)。3.3.基于稀疏性LLE的哈希圖像檢索算法由于PCA算法，LE算法在與哈希函數(shù)結(jié)合進(jìn)行圖像檢索得到了較好的檢索性能。所以，有研究者開始利用LLE算法與哈希函數(shù)結(jié)合進(jìn)行圖像檢索。但是他們一般通常首先在原始空間中構(gòu)建流形結(jié)構(gòu)映射到低維空間，之后對低維空間中數(shù)據(jù)進(jìn)行量化得到哈希碼。這兩個階段對于最終圖像檢索性能的影響都是至關(guān)重要的。分階段進(jìn)行優(yōu)化，這種間接優(yōu)化的方法會降低檢索效果。雖然已有人發(fā)現(xiàn)了這個問題，進(jìn)行改進(jìn)。但是在改

【參考文獻(xiàn)】：
期刊論文
[1]面向大規(guī)模圖像分類的深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化[J]. 白琮,黃玲,陳佳楠,潘翔,陳勝勇.  軟件學(xué)報. 2018(04)
[2]FP-CNNH:一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的快速圖像哈希算法[J]. 劉冶,潘炎,夏榕楷,劉荻,印鑒.  計算機(jī)科學(xué). 2016(09)

碩士論文
[1]基于深度學(xué)習(xí)的圖像檢索研究[D]. 戴世穩(wěn).湖南大學(xué) 2017
[2]大規(guī)模圖像檢索的哈希算法研究[D]. 葉志強(qiáng).合肥工業(yè)大學(xué) 2017
[3]基于哈希編碼的大規(guī)模圖像檢索方法研究[D]. 袁勇.中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機(jī)械研究所) 2016



本文編號：3223626