大規(guī)模圖像數(shù)據(jù)中的相似圖像搜索是計算機視覺研究中的經(jīng)典內(nèi)容,也是近年來有著廣泛應用的一個課題。相似圖像搜索所要解決的問題是,給定一個查詢圖像,需要從圖像數(shù)據(jù)庫中檢索到與之內(nèi)容相同或相似的圖像。當數(shù)據(jù)庫中圖像的數(shù)據(jù)規(guī)模很大時,一個相似圖像搜索系統(tǒng)面臨著搜索速度、存儲代價、返回結果準確性等諸方面的問題。其中,搜索的實時性往往是大規(guī)模圖像搜索中的關鍵問題。本文圍繞在大規(guī)模圖像數(shù)據(jù)中快速搜索相似圖像這一問題,首先介紹了目前在圖像表達上的主流圖像特征,然后介紹了作者所做的三個方面的研究工作。第一方面是圖像數(shù)據(jù)集的高效創(chuàng)建。目前常用的深層圖像特征,需要使用大量的圖像數(shù)據(jù)進行訓練。作者基于自動編碼器中數(shù)據(jù)的重建誤差對數(shù)據(jù)是否為雜質(zhì)的指示性作用,提出了可以使重建誤差具有更強的指示性的算法。用該算法可以自動去除圖像集合中的雜質(zhì),得到干凈的數(shù)據(jù)集用于深度學習的訓練。另一方面是關于圖像特征的倒排索引,作者提出了一種聯(lián)合倒排索引方法。在傳統(tǒng)的倒排索引方法中,對圖像特征空間的多次劃分都是隨機的或獨立的。而在聯(lián)合倒排索引中,作者考慮了圖像特征空間多次劃分之間的互補性,并對之進行優(yōu)化。通過聯(lián)合倒排索引,從上億圖像中單機搜索出相似圖像候選集僅需毫秒量級時間,并且返回結果的準確性較目前主流算法大大提高。還有一方面是在圖像特征的快速排序中,作者提出了稀疏投影編碼算法。在圖像特征的快速排序的研究中,近年來主流的做法是將圖像的特征進行哈希編碼,通過計算哈希碼之間的漢明距離來對候選圖像進行排序。由于哈希碼存儲空間小并且漢明距離可以快速計算,因此這種方法被廣泛采用。但是,在進行哈希編碼時,目前主流方法均引入了一個稠密的正交矩陣對圖像的特征進行投影,使得編碼步驟耗費大量時間。尤其是當圖像特征維度變大時,稠密投影將耗費更多時間。本文提出采用稀疏矩陣進行投影以減小計算代價,這樣不僅可以加快哈希編碼的速度,而且可以在一定程度上緩解優(yōu)化模型中的過擬合問題。在以最小化編碼誤差為目標求解這個稀疏投影矩陣時,作者采用了分離變量法：引入輔助變量并懲罰該輔助變量與真實變量之間的差異。采用迭代法優(yōu)化這個問題,最終求得一個稀疏的矩陣用于圖像特征的投影和編碼。作者在多個數(shù)據(jù)集上進行了各種定量實驗,實驗結果證明了以上工作相對于目前主流算法的優(yōu)越性。另外,基于所提出的聯(lián)合倒排索引算法和稀疏投影編碼的算法,作者在大規(guī)模的圖像數(shù)據(jù)上實現(xiàn)了一個相似圖像搜索系統(tǒng)。在該系統(tǒng)上的定性實驗的也證明了本文所提出算法的有效性和可行性。
【學位單位】：中國科學技術大學
【學位級別】：博士
【學位年份】：2015
【中圖分類】：TP391.41
【部分圖文】：

顏色空間的數(shù)值大小。當圖像被進行拉伸、旋轉、加濾鏡等變化后，一個點的逡逑像素值會產(chǎn)生巨大的變化。而且，通過一些獨立的像素點并不能描述圖像的全逡逑局甚至局部。因此，圖像的像素值并不具有語義區(qū)分性（如圖２．１（ａ）所示）。逡逑實際上，圖像可Ｗ被認為是由許多因素非線性結合而構成的。比如一副包逡逑含狗的圖像，可認為它是由一只狗、狗的姿態(tài)、當前的光照、所在場景等因逡逑素共同構成。如果想要區(qū)分包含狗和貓的圖像，就需要用來描述圖像的特征具逡逑有區(qū)分里面所包含物體的能力，也就是具有非線性抽象的能力。對于送個狗和逡逑貓的例子，假如有一種圖像特征的每個維度分別能區(qū)分狗和貓的不同特性，（如逡逑圖２．１（ｂ），兩個維度分別能表示耳朵的尖銳程度和鼻子的相對大小），那么該特逡逑征便是一種在區(qū)分狗和貓的圖像上有區(qū)分性的特征。逡逑S冒返耐枷皴濉ǖ耐枷皴義細齦鰣義蠠a邐令逡逑媻邐Ａ邐Ｋ邋＼邐▲逡逑▲邐？邐衣邋＼邋▲邋Ａ逡逑？邐巧邐＼逡逑▲邐中邐＼邐▲逡逑？邐？邐恤邋１：邐？邐＼逡逑Ａ邋？邐？邐▲逡逑S緬危苠義喜五濉�？逦＼辶x希垮澹苠義舷袼劐味浼餿穸儒義希ǎ幔┪耷中緣耐枷裉卣麇危ǎ猓┯星中緣耐枷裉卣麇義賢跡玻蓖枷裉卣魘欠窬哂杏鏌邇中緣氖疽饌煎義先綰文艽油枷裰刑崛∮杏鏌邇中緣奶卣髂�？纂E鮮蘭湍┲兩瘢芯空咼清義咸岢雋爍髦址椒ɡ瓷杓坪脫巴枷裉卣鰲８萜淥弒傅姆竅咝猿橄竽芰

本文編號：2808971