為了降低圖像特征向量量化的近似表示和高維向量帶來的碼書訓(xùn)練時間開銷,提出了一種投影增強(qiáng)型殘差量化方法。在前期的增強(qiáng)型殘差量化工作基礎(chǔ)上,將主成分分析與增強(qiáng)型殘差量化相結(jié)合,使得碼書訓(xùn)練和特征量化均在低維向量空間進(jìn)行以提高效率;在低維向量空間上訓(xùn)練碼書過程中,提出了聯(lián)合優(yōu)化方法,同時考慮投影和量化產(chǎn)生的總體誤差,提升碼書精度;針對該量化方法,設(shè)計(jì)了一種特征向量之間的近似歐氏距離快速計(jì)算方法用于近似最近鄰?fù)耆珯z索。結(jié)果表明,相比增強(qiáng)型殘差量化,在相同檢索精度前提條件下,投影增強(qiáng)型殘差量化的只需花費(fèi)近1/3的訓(xùn)練時間;相比其它同類方法,所提出方法在碼書訓(xùn)練時間效率、檢索速度和精度上均具有更優(yōu)的綜合性能。該研究為主成分分析同其它量化模型的有效結(jié)合提供了參考。 

【文章來源】：激光技術(shù). 2020,44(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
引 言
1 前期工作
    1.1 ERVQ碼書訓(xùn)練
    1.2 ERVQ量化特征向量
2 投影增強(qiáng)型殘差量化
    2.1 碼書訓(xùn)練
        2.1.1 初始碼書訓(xùn)練
        2.1.2 碼書聯(lián)合優(yōu)化
    2.2 特征向量量化
3 近似最近鄰?fù)耆珯z索
4 實(shí) 驗(yàn)
    4.1 實(shí)驗(yàn)數(shù)據(jù)集和實(shí)驗(yàn)環(huán)境
    4.2 投影維度對量化誤差的影響
    4.3 投影維度對檢索精度的影響
    4.4 同其它方法實(shí)驗(yàn)對比
        4.4.1 訓(xùn)練碼書的時間開銷對比
        4.4.2 檢索精度對比
        4.4.3 檢索效率對比
5 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]Vector quantization: a review[J]. Ze-bin WU,Jun-qing YU.  Frontiers of Information Technology & Electronic Engineering. 2019(04)
[2]基于視點(diǎn)相關(guān)性的光場圖像壓縮算法[J]. 劉德陽,王廣軍,吳健,艾列富.  激光技術(shù). 2019(04)
[3]增強(qiáng)型殘差量化的圖像視覺特征不完全檢索方法[J]. 艾列富,劉奎,吳健.  合肥學(xué)院學(xué)報(bào). 2016(01)
[4]High-dimensional indexing technologies for large scale content-based image retrieval: a review[J]. Lie-fu AI,Jun-qing YU,Yun-feng HE,Tao GUAN.  Journal of Zhejiang University-Science C（Computers & Electronics）. 2013(07)



本文編號：3495122