本文關(guān)鍵詞：基于內(nèi)容的圖像哈希檢索算法研究

  更多相關(guān)文章： 圖像內(nèi)容檢索 哈希 雙邊隨機(jī)投影 迭代量化 局部保持

【摘要】：隨著數(shù)字多媒體、互聯(lián)網(wǎng)技術(shù)及電子商務(wù)的飛速發(fā)展,圖像給人們的生產(chǎn)與生活帶來(lái)了極大的便利。但是圖像數(shù)據(jù)庫(kù)中的海量數(shù)據(jù)及圖像本身的高維特性給圖像檢索及數(shù)據(jù)存儲(chǔ)帶來(lái)了巨大的挑戰(zhàn)。傳統(tǒng)的基于文本的圖像檢索技術(shù)不能滿足人們?nèi)找嬖鲩L(zhǎng)的需求,上世紀(jì)90年代,基于內(nèi)容的圖像檢索技術(shù)應(yīng)運(yùn)而生,以圖搜圖這一新的圖像搜索引擎技術(shù)備受關(guān)注。但圖像特征維度往往也比較高,傳統(tǒng)的基于樹的索引技術(shù)在處理高維數(shù)據(jù)時(shí)存在檢索速度慢、精度不高等缺點(diǎn)。近年來(lái),研究人員提出基于編碼的圖像哈希技術(shù),將高維圖像數(shù)據(jù)映射到低維漢明空間,用一個(gè)二進(jìn)制編碼序列來(lái)表示一幅圖像。圖像哈希技術(shù)是一種近似最近鄰的搜索技術(shù),大大縮短了檢索時(shí)間,也節(jié)約了內(nèi)存占用空間。 圖像的哈希編碼要求具有緊湊性和檢索有效性,本文基于圖像內(nèi)容特征,針對(duì)現(xiàn)有圖像哈希方法存在的問(wèn)題與不足,對(duì)其進(jìn)行了深入研究,論文的主要工作和貢獻(xiàn)總結(jié)如下： 首先,研究了圖像內(nèi)容特征提取算法及現(xiàn)有的圖像哈希經(jīng)典算法,總結(jié)了這些圖像哈希算法的基本思想、實(shí)現(xiàn)步驟及各自的優(yōu)缺點(diǎn)。 其次,針對(duì)最初的哈希算法的低精確度及不穩(wěn)定性,提出了一種雙邊隨機(jī)投影哈希算法。該方法結(jié)合矩陣低秩稀疏分解及投影向量分組正交化技術(shù),學(xué)習(xí)哈希函數(shù)。矩陣的低秩稀疏分解可以提取出圖像中的背景、目標(biāo)及噪聲,由于圖像矩陣規(guī)模較大,采用基于雙邊隨機(jī)投影的方法對(duì)矩陣進(jìn)行低秩逼近以降低時(shí)間復(fù)雜度；對(duì)矩陣低秩稀疏分解過(guò)程中產(chǎn)生的投影向量進(jìn)行分組正交化,能夠使獲得的圖像哈希編碼的方差減小,提高編碼的質(zhì)量。該算法將兩者結(jié)合起來(lái),發(fā)揮各自的優(yōu)勢(shì),建立了與原始圖像數(shù)據(jù)之間的關(guān)系,是一種數(shù)據(jù)驅(qū)動(dòng)型算法,實(shí)驗(yàn)結(jié)果表明,該算法與傳統(tǒng)的幾種哈希算法相比較,在圖像檢索中表現(xiàn)出了更好的性能。 最后,為了進(jìn)一步提升迭代量化哈希算法的性能,提出了局部保持迭代量化哈希算法。該方法在迭代量化哈�；A(chǔ)上,顯式地引入了局部信息保持約束項(xiàng),采用交替迭代量化的形式學(xué)習(xí)哈希函數(shù),獲取圖像哈希編碼。該算法得到的圖像哈希編碼不同位之間相互獨(dú)立,而同一位上的編碼具有圖像的區(qū)分性,使得差異較大的圖像之間漢明距離較大,而相似的圖像其漢明距離較小。實(shí)驗(yàn)表明,該方法的各項(xiàng)評(píng)價(jià)指標(biāo)較原來(lái)的方法都有所提高。
【關(guān)鍵詞】：圖像內(nèi)容檢索 哈希 雙邊隨機(jī)投影 迭代量化 局部保持
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 研究背景及意義8-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 圖像哈希技術(shù)研究10-11
• 1.2.2 以圖搜圖的圖像搜索引擎11-12
• 1.3 論文的主要研究?jī)?nèi)容及章節(jié)安排12-14
• 第二章 圖像哈希相關(guān)技術(shù)介紹及經(jīng)典算法14-24
• 2.1 引言14
• 2.2 圖像內(nèi)容特征提取14-15
• 2.3 相似性度量準(zhǔn)則15-16
• 2.4 圖像哈希經(jīng)典算法介紹16-23
• 2.4.1 局部敏感哈希LSH17-18
• 2.4.2 譜哈希SH18-20
• 2.4.3 錨點(diǎn)圖哈希AGH20-22
• 2.4.4 順序投影學(xué)習(xí)哈希SPLH22-23
• 2.5 本章小結(jié)23-24
• 第三章 雙邊隨機(jī)投影哈希24-36
• 3.1 引言24
• 3.2 基于雙邊隨機(jī)投影的矩陣低秩分解24-26
• 3.2.1 雙邊隨機(jī)投影矩陣低秩分解24-25
• 3.2.2 基于BRP的矩陣低秩近似的誤差邊界分析25-26
• 3.3 向量分組正交化26-29
• 3.3.1 隨機(jī)向量分組正交化介紹26-27
• 3.3.2 漢明距離統(tǒng)計(jì)特性分析27-29
• 3.4 雙邊隨機(jī)投影哈希算法實(shí)現(xiàn)29-30
• 3.4.1 矩陣分解29-30
• 3.4.2 獲取正交投影向量30
• 3.5 實(shí)驗(yàn)結(jié)果及分析30-33
• 3.5.1 圖像檢索性能評(píng)價(jià)指標(biāo)30-31
• 3.5.2 實(shí)驗(yàn)設(shè)置31-32
• 3.5.3 實(shí)驗(yàn)結(jié)果分析32-33
• 3.6 本章小結(jié)33-36
• 第四章 局部保持迭代量化哈希算法36-48
• 4.1 引言36
• 4.2 局部信息對(duì)哈希編碼性能的影響36-39
• 4.2.1 哈希碼冗余性36-37
• 4.2.2 基于局部信息保持的哈希碼篩選37-39
• 4.3 局部保持迭代量化哈希算法39-42
• 4.3.1 算法基本思想39-40
• 4.3.2 算法實(shí)現(xiàn)步驟40-42
• 4.4 實(shí)驗(yàn)結(jié)果及分析42-47
• 4.4.1 實(shí)驗(yàn)設(shè)置42
• 4.4.2 實(shí)驗(yàn)結(jié)果分析42-47
• 4.5 本章小結(jié)47-48
• 第五章 總結(jié)與展望48-50
• 5.1 總結(jié)48
• 5.2 展望48-50
• 致謝50-52
• 參考文獻(xiàn)52-56
• 攻讀碩士期間發(fā)表的論文56
• 攻讀碩士期間參與的科研項(xiàng)目56

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李志成;秦世引;Itti Laurent;;遙感圖像的顯著-概要特征提取與目標(biāo)檢測(cè)[J];北京航空航天大學(xué)學(xué)報(bào);2010年06期

2 ;Natural Scene Classification Inspired by Visual Perception and Cognition Mechanisms[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2011年07期

3 謝昭;高雋;;基于高斯統(tǒng)計(jì)模型的場(chǎng)景分類及約束機(jī)制新方法[J];電子學(xué)報(bào);2009年04期

4 劉碩研;須德;馮松鶴;劉鏑;裘正定;;一種基于上下文語(yǔ)義信息的圖像塊視覺單詞生成算法[J];電子學(xué)報(bào);2010年05期

5 高常鑫;桑農(nóng);;整合局部特征和濾波器特征的空間金字塔匹配模型[J];電子學(xué)報(bào);2011年09期

6 孫顯;付琨;王宏琦;;基于空間語(yǔ)義對(duì)象混合學(xué)習(xí)的復(fù)雜圖像場(chǎng)景自動(dòng)分類方法研究[J];電子與信息學(xué)報(bào);2011年02期

7 胡正平;戎怡;;基于EILBP視覺描述子結(jié)合PLSA的場(chǎng)景分類算法[J];光電工程;2010年11期

8 黃雙萍;俞龍;衛(wèi)曉欣;;一種異質(zhì)特征融合分類算法[J];電子技術(shù)與軟件工程;2013年02期

9 付賽男;朱俊;張瑞;鄒維嘉;;基于融合特征降維的場(chǎng)景分類研究[J];電視技術(shù);2013年13期

10 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識(shí)別算法[J];光電子.激光;2013年08期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 張潔琳;林秉雄;;Gabor-SIFT:一種新的特征點(diǎn)匹配方法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 王晗;滕鵬;梁瑋;;使用稠密興趣點(diǎn)包的非對(duì)稱風(fēng)景圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

3 劉林;李金屏;王真;;基于多顏色空間和累計(jì)直方圖的視頻場(chǎng)景分類[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

4 Weihai Chen;Kai Ding;Xingming Wu;;Dimension reduction based SPM for image classification[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 鹿瑞;自然圖像的顏色恒常性計(jì)算研究[D];北京交通大學(xué);2010年

2 江悅;場(chǎng)景圖像內(nèi)容表述和分類研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 解文杰;基于中層語(yǔ)義表示的圖像場(chǎng)景分類研究[D];北京交通大學(xué);2011年

4 白明;自主移動(dòng)機(jī)器人的運(yùn)動(dòng)規(guī)劃與圖像理解研究[D];大連理工大學(xué);2011年

5 周文罡;基于局部特征的視覺上下文分析及其應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

6 魏玲;真實(shí)場(chǎng)景中視覺搜索的背景線索效應(yīng)[D];天津師范大學(xué);2011年

7 趙才榮;基于圖嵌入與視覺注意的特征抽取[D];南京理工大學(xué);2011年

8 黃雙萍;通用視覺目標(biāo)識(shí)別的關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

9 祝文駿;基于視覺皮層網(wǎng)絡(luò)的物體整體特征分析與算法研究[D];上海交通大學(xué);2011年

10 程環(huán)環(huán);基于貝葉斯網(wǎng)絡(luò)的圖像內(nèi)容表述與分類[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 林秉雄;SIFT特征匹配標(biāo)準(zhǔn)與匹配方式的改進(jìn)與應(yīng)用[D];大連理工大學(xué);2010年

2 閆國(guó)青;基于SIFT的場(chǎng)景理解方法研究[D];長(zhǎng)春工業(yè)大學(xué);2010年

3 蔣志成;基于視頻素材的虛擬場(chǎng)景生成系統(tǒng)[D];浙江大學(xué);2011年

4 馮愛萍;基于內(nèi)容的圖像檢索系統(tǒng)研究[D];北京郵電大學(xué);2011年

5 朱士蓉;基于圖模型的圖像分析研究[D];合肥工業(yè)大學(xué);2011年

6 賀廣南;面向語(yǔ)義的圖像檢索關(guān)鍵技術(shù)研究[D];南京大學(xué);2011年

7 陳麗霞;圖像對(duì)稱特征的提取以及在選擇性注意模型中的應(yīng)用[D];電子科技大學(xué);2011年

8 譚菊;基于視覺感知的目標(biāo)特性分析[D];重慶大學(xué);2010年

9 邱新潔;視覺注意機(jī)制建模中的特征調(diào)制和選擇策略研究[D];天津大學(xué);2010年

10 牛志彬;圖像識(shí)別中圖像表達(dá)的關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2011年

，

本文編號(hào)：572987