一种基于流形学习数据压缩哈希的图像检索方法技术

本发明专利技术公开了一种基于流形学习数据压缩哈希的图像检索方法，具体步骤是：1、从图像数据库中查询到需要检索的原始图像，并且将原始图像保存；2、对原始图像先进行一定的预处理，并进行原始图像底层的特征提取，并记录图像特征数据；3、对图像特征数据做归一化处理，得到归一化数据矩阵，并连接到深度网络的一个或多个任务层进行训练，同时使用一个或多个任务进行训练，即可获得训练数据矩阵的哈希码以及测试数据矩阵的哈希码；本发明专利技术采用流形学习获得单组哈希编码，克服了现有技术采用多组哈希编码而占用内存空间、消耗检索时间的缺点，使得本发明专利技术所提出的方法在图像检索中提高检索效率以及检索效果。

An image retrieval method based on manifold learning data compression hash

The invention discloses an image retrieval method based on manifold learning data compression hash. The specific steps are: 1. querying the original image needed to be retrieved from the image database and saving the original image; 2. pre-processing the original image and extracting the underlying features of the original image, and recording the original image. 3. By normalizing the image feature data, the normalized data matrix is obtained and connected to one or more task layers of the depth network for training. At the same time, the hash code of the training data matrix and the hash code of the test data matrix can be obtained by using one or more tasks for training. Manifold learning is used to obtain single hash coding, which overcomes the shortcomings of memory space and retrieval time consumed by using Multi-hash coding in the existing technology, and makes the method proposed by the invention improve the retrieval efficiency and retrieval effect in image retrieval.

【技术实现步骤摘要】
一种基于流形学习数据压缩哈希的图像检索方法
本专利技术涉及的是图像处理
，具体的说是一种基于流形学习数据压缩哈希的图像检索方法。
技术介绍
从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术(Text-basedImageRetrieval，简称TBIR)，利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。到90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索(Content-basedImageRetrieval，简称CBIR)技术。CBIR属于基于内容检索(Content-basedRetrieval，简称CBR)的一种，CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。随着互联网技术的快速发展以及数字多媒体的广泛应用，大量图像数据应运而生。海量的图像数据以及图像的复杂性给图像检索带来了巨大的挑战，如何快速准确地检索出人们需要的图像成为亟待解决的问题，图像检索更是成为了人们关注的焦点。但是传统的一些图像检索算法无法满足人们日益增长的需求。为了在大数据中高效地检索到有价值的图像，人们提出了哈希算法。哈希算法将高维图像数据映射到低维汉明空间，使用二进制编码表示图像。哈希算法既可以降低存储空间，也可以提高检索速度，因此研究基于哈希的图像检索技术具有重要意义。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷和不足，提供一种基于流形学习数据压缩哈希的图像检索方法。为实现上述目的，本专利技术采用的技术方案是：一种基于流形学习数据压缩哈希的图像检索方法，具体步骤是：1、从图像数据库中查询到需要检索的原始图像，并且将原始图像保存；2、对原始图像先进行一定的预处理，并进行原始图像底层特征提取，并记录图像特征数据；3、对图像特征数据做归一化处理，得到归一化数据矩阵，并连接到深度网络的一个或多个任务层进行训练，同时使用一个或多个任务进行训练，即可获得训练数据矩阵的哈希码以及测试数据矩阵的哈希码；4、从测试数据矩阵的哈希码中取其中的一个测试数据的哈希码，计算该哈希码与训练数据矩阵的哈希码之间的汉明距离，得到汉明距离向量；5、将汉明距离向量中的数值按从小到大的顺序排序，输出对应的原始图像，即可得到检索结果。作为本专利技术的进一步改进，所述步骤2中的体征提取包括图像的颜色特征、纹理特征以及形状特征。作为本专利技术的进一步改进，所述步骤2中的预处理通过图像处理器处理。作为本专利技术的进一步改进，所述步骤3中的一个或多个任务层是指可作为图像检索任务的任务层。采用上述结构后，本专利技术的有益效果为：本专利技术采用流形学习获得单组哈希编码，克服了现有技术采用多组哈希编码而占用内存空间、消耗检索时间的缺点，使得本专利技术所提出的方法在图像检索中提高检索效率以及检索效果。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合具体实施方式，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本专利技术，并不用于限定本专利技术。实施例：一种基于流形学习数据压缩哈希的图像检索方法，具体步骤是：1、从图像数据库中查询到需要检索的原始图像，并且将原始图像保存；2、对原始图像先进行一定的预处理，并进行原始图像底层特征提取，并记录图像特征数据；本具体实施方式中的特征提取包括图像的颜色特征、纹理特征以及形状特征；本具体实施方式中的预处理是通过图像处理器处理。3、对图像特征数据做归一化处理，得到归一化数据矩阵，并连接到深度网络的一个或多个任务层进行训练，同时使用一个或多个任务进行训练，即可获得训练数据矩阵的哈希码以及测试数据矩阵的哈希码；本具体实施方式中的一个或多个任务层是指可作为图像检索任务的任务层。4、从测试数据矩阵的哈希码中取其中的一个测试数据的哈希码，计算该哈希码与训练数据矩阵的哈希码之间的汉明距离，得到汉明距离向量；5、将汉明距离向量中的数值按从小到大的顺序排序，输出对应的原始图像，即可得到检索结果。本具体实施方式的优点：本具体实施方式采用流形学习获得单组哈希编码，克服了现有技术采用多组哈希编码而占用内存空间、消耗检索时间的缺点，使得本具体实施方式所提出的方法在图像检索中提高检索效率以及检索效果。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本文档来自技高网...

【技术保护点】
1.一种基于流形学习数据压缩哈希的图像检索方法，其特征在于：具体步骤是：(1)、从图像数据库中查询到需要检索的原始图像，并且将原始图像保存；(2)、对原始图像先进行一定的预处理，并进行原始图像底层特征提取，并记录图像特征数据；(3)、对图像特征数据做归一化处理，得到归一化数据矩阵，并连接到深度网络的一个或多个任务层进行训练，同时使用一个或多个任务进行训练，即可获得训练数据矩阵的哈希码以及测试数据矩阵的哈希码；(4)、从测试数据矩阵的哈希码中取其中的一个测试数据的哈希码，计算该哈希码与训练数据矩阵的哈希码之间的汉明距离，得到汉明距离向量；(5)、将汉明距离向量中的数值按从小到大的顺序排序，输出对应的原始图像，即可得到检索结果。

【技术特征摘要】
1.一种基于流形学习数据压缩哈希的图像检索方法，其特征在于：具体步骤是：(1)、从图像数据库中查询到需要检索的原始图像，并且将原始图像保存；(2)、对原始图像先进行一定的预处理，并进行原始图像底层特征提取，并记录图像特征数据；(3)、对图像特征数据做归一化处理，得到归一化数据矩阵，并连接到深度网络的一个或多个任务层进行训练，同时使用一个或多个任务进行训练，即可获得训练数据矩阵的哈希码以及测试数据矩阵的哈希码；(4)、从测试数据矩阵的哈希码中取其中的一个测试数据的哈希码，计算该哈希码与训练数据矩阵的哈希码之间的汉明距离，得...

【专利技术属性】
技术研发人员：王庆军，吕海燕，王刚，寇光杰，
申请(专利权)人：王庆军，
类型：发明
国别省市：山东,37