基于哈希編碼的圖像檢索算法研究.pdf

1、近年來，隨著移動互聯(lián)網(wǎng)和多媒體應(yīng)用的飛速發(fā)展，圖像數(shù)據(jù)已經(jīng)成為網(wǎng)絡(luò)數(shù)據(jù)的重要部分，對網(wǎng)絡(luò)中海量的圖像數(shù)據(jù)進行快速檢索和存儲成為我們當前面臨的一個挑戰(zhàn)。圖像哈希技術(shù)因其良好的數(shù)據(jù)降維能力，在應(yīng)對這一挑戰(zhàn)時發(fā)揮了巨大作用。圖像哈希技術(shù)生成哈希碼的質(zhì)量依賴于提取到圖像特征的好壞，基于人工設(shè)計特征的哈希方法因為特征提取能力有限，在實際應(yīng)用中的效果并不理想。隨著深度學習的迅速發(fā)展，基于深度學習的特征提取方法逐漸取代基于人工設(shè)計特征的方法。目前，圖

2、像哈希技術(shù)研究的一個熱點是深度學習結(jié)合哈希編碼的深度哈希方法，該方法憑借其強大的圖像特征學習能力和哈希學習能力，在基于內(nèi)容的圖像檢索領(lǐng)域取得了許多成果。
　　雖然對深度哈希方法的研究已經(jīng)取得了一定成果，但更適合這一任務(wù)的網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)化算法等仍需要進一步探索。通過分析國內(nèi)外圖像哈希技術(shù)的研究現(xiàn)狀，本文主要對應(yīng)用于圖像檢索的深度哈希方法進行研究，論文主要工作如下：
　　首先，圖像特征提取的好壞直接影響哈希編碼的質(zhì)量，為了得到更高

3、質(zhì)量的哈希編碼，本文改進了CNN-F網(wǎng)絡(luò)來提高圖像特征的提取能力。主要改進為：通過改進CNN-F的網(wǎng)絡(luò)結(jié)構(gòu)，提高了網(wǎng)絡(luò)對較小物體的特征提取能力；通過引入時空金字塔下采樣層，使網(wǎng)絡(luò)對不同尺寸圖像的特征提取能力提升，加快了網(wǎng)絡(luò)學習速度。在PASCAL VOC2007數(shù)據(jù)集上對改進的CNN-F網(wǎng)絡(luò)進行了驗證。
　　其次，使用本文提出的改進的目標函數(shù)學習哈希碼，降低了離散優(yōu)化過程中產(chǎn)生的誤差，提高了生成的哈希碼質(zhì)量。
　　然后，本文

4、概述并實現(xiàn)了典型哈希方法，使用改進的CNN-F網(wǎng)絡(luò)和改進的目標函數(shù)來構(gòu)建深度哈希模型，設(shè)計并實現(xiàn)了哈希函數(shù)、損失函數(shù)及網(wǎng)絡(luò)傳播算法，使用深度哈希模型同時學習圖像特征和哈希碼，得到較高質(zhì)量的哈希碼。另外，本文提出了基于哈希碼權(quán)重的圖像檢索算法，對漢明距離進行二次排序來提高圖像檢索準確率。
　　最后，在Cifar-10和Nus-wide圖像數(shù)據(jù)集上對本文提出的深度哈希模型和本文實現(xiàn)的典型哈希方法進行圖像檢索實驗，實驗結(jié)果表明本文提出的