基于圖像哈希檢索的圖像重排方法研究.pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術的飛速發(fā)展，圖像已經(jīng)成為多媒體信息的一種重要表現(xiàn)形式，越來越多的實際需求使基于內(nèi)容的圖像檢索應運而生。為了適應海量圖像庫的檢索需求并降低“維數(shù)災難”的影響，研究人員利用圖像哈希的方法將圖像特征映射成二進制哈希碼，用哈希碼間的漢明距離表示圖像間的相似程度。利用圖像哈希方法實現(xiàn)圖像檢索的優(yōu)勢主要有以下兩點:首先，計算機能夠快速計算哈希碼間的漢明距離，因此能夠適應海量圖像庫的檢索需求;其次，用哈希碼來表示圖像庫中的圖像，

2、能夠大大降低數(shù)據(jù)的存儲量。但是圖像哈希方法也存在一定的局限性，由于衡量哈希碼間相似性的漢明距離是整數(shù)，對于海量圖像庫來說，可能會存在成千上萬幅圖像和查詢圖像的漢明距離相等，因此按照何種順序返回漢明距離相等的圖像已經(jīng)成為急需解決的問題。本文對圖像哈希方法和基于哈希檢索的圖像重排方法進行了研究，主要貢獻如下:
　　(1)研究了典型的哈希函數(shù)學習方法，包括兩種基于隨機映射和兩種基于PCA映射的哈希方法，并從理論分析和實驗驗證兩個角度對不

3、同哈希方法的優(yōu)缺點進行分析。
　　(2)改進了基于PCA映射的圖像哈希重排方法。首先介紹并實現(xiàn)了基于緊湊哈希碼的重排方法（QAIS）和基于PCA映射的重排方法(QsRank)，并對它們的優(yōu)缺點進行分析。QsRank重排方法的理論依據(jù)是映射過程保留了歐式空間的ε近鄰關系，因此對基于隨機映射的哈希方法的重排效果不太理想;而且由于QsRank重排方法不再利用哈希碼間的漢明距離對圖像進行排序，破壞了哈希檢索速度快的優(yōu)勢。本文將哈希檢索的高

4、效性和QsRank方法的優(yōu)勢相結合，提出了IQsRank重排方法，實驗結果證明了IQsRank重排方法具有更高的檢索準確率，而且對不同的哈希方法具有魯棒性。
　　(3)提出了基于自適應權重的圖像哈希重排方法(QAR)。為了解決現(xiàn)有基于哈希檢索的圖像重排方法中存在的問題，本文針對哈希映射函數(shù)的特點，將圖像庫的語義類別信息與哈希函數(shù)在每個維度進行關聯(lián)，通過為每個語義類訓練類權重向量，結合傳統(tǒng)哈希檢索的結果，為查詢圖像計算自適應權重，并