基于哈希的圖像檢索研究.pdf

1、隨著互聯(lián)網(wǎng)時代的到來、大數(shù)據(jù)技術的推動、多媒體技術的發(fā)展和海量圖像視頻數(shù)據(jù)的產生，人們對圖像檢索的要求也日益提高。現(xiàn)在的圖像檢索的特點是數(shù)據(jù)量越來越大，數(shù)據(jù)維度越來越高。傳統(tǒng)的基于樹型的數(shù)據(jù)搜索算法在當前檢索任務中效果退化。
　　在高維數(shù)據(jù)的搜索任務中，基于哈希的算法往往會取得了更加優(yōu)秀的搜索結果。本文就圖像檢索中的哈希算法展開研究，改進了傳統(tǒng)哈希算法中的量化編碼方式，將歐氏距離引入哈希碼的度量中。同時還提出一種將深度學習和哈希技

2、術結合的深度哈希模型。本文的主要工作如下。
　　提出了基于歐氏距離的雙比特嵌入哈希算法。在傳統(tǒng)的哈希算法的量化階段，每個投影上只生成一個比特的哈希編碼，會造成較大的誤差。而基于歐氏距離的雙比特嵌入哈希算法在量化階段，每個投影會生產兩個比特的哈希編碼。以歐氏距離作為哈希編碼的度量依據(jù)，提高了哈希編碼對原始空間關系的保持能力。針對歐氏距離計算緩慢的問題，在進行哈希編碼距離計算時，設計出一種基于位操作的歐氏距離加速計算方法，提升了雙比特

3、嵌入二進制碼的歐氏距離計算速度。同時針對曼哈頓哈希中計算曼哈頓距離速度緩慢的問題，提出了基于位操作的曼哈頓哈希加速算法，在精度保持一致的前提下，提升了雙比特嵌入曼哈頓哈希的檢索速度。
　　提出了一種結合深度學習算法和哈希算法的端對端卷積神經(jīng)網(wǎng)絡模型，即基于類別距離約束的深度哈希模型。卷積神經(jīng)網(wǎng)絡在圖片高等語義表示上的優(yōu)秀性能，使得它在針對語義信息的圖像檢索中，往往能取得更好的效果。基于類別約束的深度哈希模型在當前流行的深度哈希模型