一种双重补偿的多表哈希图像检索方法技术

本发明专利技术公开了一种双重补偿的多表哈希图像检索方法，包括步骤：1)图像特征提取和类别信息处理；2)哈希表训练；3)根据哈希表将图像特征映射至汉明空间与类别权重计算；4)根据查询，计算汉明距离，返回查询结果；5)再排序操作。本发明专利技术方法在图像检索方面能够获得查询响应快，内存开销小，查询性能高的特点，并在多表哈希的图像检索方面有较大的改进，并克服了多表哈希需要额外开销的缺点。

Double compensation multi table hash image retrieval method

The invention discloses a double compensation multi table hash image retrieval method, which comprises the following steps: 1) image feature extraction and classification of information processing; 2) hash table training; 3) according to the hash table will be mapped to the feature space and the Hamming weight calculation category; 4) according to the query, calculate the Hamming distance, return query results 5); re sorting operation. The method of the invention can obtain fast query response in image retrieval, the memory overhead is small, the characteristics of high performance of query, and a greater improvement in the image retrieval table of Hashi, and to overcome the many shortcomings of Hashi requires additional overhead.

【技术实现步骤摘要】
一种双重补偿的多表哈希图像检索方法
本专利技术涉及图像检索的
，尤其是指一种双重补偿的多表哈希图像检索方法。
技术介绍
随着互联网的发展，多媒体文件数量迅速增长，人们上传的图像也成了一个非常大的规模。这对图像检索问题有了非常大的挑战。传统的基于树形结构的检索方法，一般都需要许多额外的辅助空间，这甚至超过原始的图像数据的大小；而且一旦图像的特征维数很大的时候，基于树形结构的方法性能将会退化，甚至到了线性检索的复杂度。相反，基于哈希的图像检索方法始终拥有超线性的时间复杂度，而且需要的辅助空间也十分令人满意。对于拥有F个哈希位的基于哈希的图像检索方法，首先将图像映射至低维的汉明空间。对于每一个图像都使用F个哈希位代表，并使用这些二进制位的汉明距离来衡量图像之间的相似度。对于一个良好的方法而言应该保证相似的图像拥有小的汉明距离，不相似的图像拥有大的汉明距离。本方法的查询过程如下：对于一个查询图像，本方法首先将图像映射至汉明空间，并计算查询图像与数据库中的图像之间的汉明距离，返回汉明距离较小的图像作为查询结果(由使用者设置的阈值决定)。由于哈希位可以用二进制位表示，汉明距离可以使用机器内置的位操作计算，因此基于哈希的图像检索方法可以使用较少的辅助内存，达到较快的检索速度，至于检索的准确度，则由方法的设计者保证了。在基于哈希的图像检索领域，按照是否使用语义标签而言，可以分为有监督哈希，半监督哈希，无监督哈希三类。有监督哈希方法利用标签信息来训练哈希函数，要求数据库提供完整的标签信息；半监督哈希也利用了数据库中的标签信息，但容忍部分数据是无标签的；无监督哈希指的是那些不利用标签信息的哈希方法。图像数据库中的图像往往都拥有一些语义标签，这些信息可以很好的提升性能，无监督哈希方法忽略这些信息很可能损失检索性能，有监督哈希方法要求所有的图像都有语义标签，这也是不符合现实的，本方法是一种半监督哈希图像检索方法，能够很好的利用标签信息同时也更符合实际情况。
技术实现思路
本专利技术的目的在于克服现有哈希图像检索方法在多表检索上的不足，提出了一种双重补偿的多表哈希图像检索方法，该方法主要是体现了较为良好的性能，并且能够解决多表哈希在同等性能下需要更多开销的缺点。为实现上述目的，本专利技术所提供的技术方案为：一种双重补偿的多表哈希图像检索方法，包括以下步骤：1)图像特征提取和类别信息处理；2)哈希表训练；3)根据哈希表将图像特征映射至汉明空间与类别权重计算；4)根据查询，计算汉明距离，返回查询结果；5)再排序操作。在步骤1)中，提取图像特征，并进行标签信息的处理，具体步骤如下：1.1)使用gist算法提取图像特征，获取图像特征矩阵X，X＝d×n，n为数据集图片数量，d为特征维数，对X矩阵进行中心化操作；1.2)将图像分成两个子集：有语义标签的数据划分成有标签的图像子集，其特征矩阵为Xl，无语义标签的数据划分成无标签的图像子集，其特征矩阵为Xu；1.3)对于无标签数据集，计算其伪标签：对于每一个无标签图像，与所有的有标签图像计算gist特征的欧式距离，并取欧氏距离最近的20％的图像来对该无标签图像的可能的标签进行投票，取数量最多的标签作为该图像的伪标签，如果出现多个标签的数量相同，则任取一个。在步骤2)中，进行哈希表训练，具体如下：获取m个哈希表，其中m是哈希表的数量，定义S矩阵，大小为n’×n’，n’为有标签图像的数量，初始化为：Sij＝1时说明图像对(xi,xj)具有相同标签，Sij＝-1时说明图像对(xi,xj)不具有相同标签；定义F为单个哈希表中哈希函数的数量，包括内外两重循环：2.1)在这一部分说明外层循环的机制：对于当前的第t个哈希表,t＝1，…m，具体如下：2.1.1)如果t＝1，则直接进入内层循环，否则计算第t-1个哈希表的错误并更新S矩阵，错误指的是：对于有标签的图像，具有相同标签的两个图像汉明距离大于δ，或者不同标签的两个图像汉明距离小于δ，其中δ是一个汉明距离的阈值，S矩阵的更新方法如下：St+1＝St+c×ΔSt式中，St指的是第t个哈希表训练时使用的权重矩阵，并初始化S1＝S，c是一个参数，影响S的变化速度，ΔSt指的是权重调整的矩阵，定义如下：式中，dH(xi,xj)指的是图像(xi,xj)的汉明距离，使用第t-1个哈希表计算；2.1.2)进入第t层内层循环，计算第t个哈希表；2.1.3)如果t＝m，说明m个大小为F的哈希表训练完成，终止；否则t＝t+1，调至步骤2.1.1)；2.2)第t层内层循环中，第k个哈希函数，k＝1,…,F，首先初始化Xtr＝X,具体如下：2.2.1)计算M矩阵，式中，λ是一个参数，用于防止过拟合；St,k指的是当前哈希函数使用的S矩阵，且St,1＝St；2.2.2)对M矩阵进行特征分解，提取出特征值最大的特征向量wt,k，合成第t个表第k个哈希函数：式中sign是符号函数，正数返回1，负数返回-1,0返回0；2.2.3)去除Xtr数据中的冗余：2.2.4)在St,k的基础上更新St,k+1：St,k+1＝St,k+ΔSt,k式中，A＝(αk-Dk)/2k,B＝(βk-Dk)/2k,α和β是两个参数，分别是控制相似和不相似的阈值；2.2.5)如果k＝F的话当前内层循环结束，否则的话k＝k+1,调至步骤2.2.1)；在步骤3)中，使用哈希函数将图像的特征矩阵X映射至汉明空间，获得m个大小为F×n的二进制矩阵H，其类别权重计算方法如下：计算m个类别权重矩阵V，其中V矩阵大小为nc×F，nc是数据集标签种类的数量，Vt对应于第t个哈希表的类别权重矩阵，t＝1,2,…,m，其中第C个类别包括伪标签的第k个哈希函数的权重，对应于Vt矩阵的元素VC,i，k＝1,2,…,Z：VC,i＝max(c-,c+)/(c-+c+)式中，c-和c+分别是第t个哈希表第k个哈希函数将类别C包括伪标签的图像映射至0和1的数量。在步骤4)中，进行初步的查询结果计算，具体步骤如下：4.1)将查询映射至汉明空间，获取m个大小为F的汉明码；4.2)对于每一个哈希表，计算查询与所有图像的汉明距离，按照汉明距离小于阈值thro，返回m个图像集，其中thro为设置的阈值，这将影响初步返回数据的数量。在步骤5)中，根据步骤4)返回的结果进行再排序操作，具体步骤如下：5.1)计算m个查询敏感权重向量Zt，t＝1,2,…,m式中，Rt是步骤4)中第t个哈希表的返回集，li作为Rt中图像xi的标签，nt是Rt中图像的数量；5.2)计算查询与数据集所有数据的权重汉明距离，返回最终查询结果，其中对于查询q和图像xi,其权重汉明距离计算方式如下：式中，为xor操作；返回dw(xi,q)<thro’的所有图像作为查询结果，其中thro’是设置的阈值，将决定最终的返回结果。本专利技术与现有技术相比，具有如下优点与有益效果：1、额外辅助内存小：本专利技术方法使用一系列的二进制位表述图像，因此对于图像集合图像需要的内存非常小。2、查询速度快：本专利技术方法查询时可以充分的利用底层的机器位操作，做到迅速的相应查询请求，可以使用二进制位序列代表图像，汉明距离可以利用底层的位操作，大大的加快查询速度。3、适合分布式部署：本专利技术方法可以将查询布置在分布本文档来自技高网...

【技术保护点】
一种双重补偿的多表哈希图像检索方法，其特征在于，包括以下步骤：1)图像特征提取和类别信息处理；2)哈希表训练；3)根据哈希表将图像特征映射至汉明空间与类别权重计算；4)根据查询，计算汉明距离，返回查询结果；5)再排序操作。

【技术特征摘要】
1.一种双重补偿的多表哈希图像检索方法，其特征在于，包括以下步骤：1)图像特征提取和类别信息处理；2)哈希表训练；3)根据哈希表将图像特征映射至汉明空间与类别权重计算；4)根据查询，计算汉明距离，返回查询结果；5)再排序操作。2.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于：在步骤1)中，提取图像特征，并进行标签信息的处理，具体步骤如下：1.1)使用gist算法提取图像特征，获取图像特征矩阵X，X＝d×n，n为数据集图片数量，d为特征维数，对X矩阵进行中心化操作；1.2)将图像分成两个子集：有语义标签的数据划分成有标签的图像子集，其特征矩阵为Xl，无语义标签的数据划分成无标签的图像子集，其特征矩阵为Xu；1.3)对于无标签数据集，计算其伪标签：对于每一个无标签图像，与所有的有标签图像计算gist特征的欧式距离，并取欧氏距离最近的20％的图像来对该无标签图像的可能的标签进行投票，取数量最多的标签作为该图像的伪标签，如果出现多个标签的数量相同，则任取一个。3.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于，在步骤2)中，进行哈希表训练，具体如下：获取m个哈希表，其中m是哈希表的数量，定义S矩阵，大小为n’×n’，n’为有标签图像的数量，初始化为：Sij＝1时说明图像对(xi,xj)具有相同标签，Sij＝-1时说明图像对(xi,xj)不具有相同标签；定义F为单个哈希表中哈希函数的数量，包括内外两重循环：2.1)在这一部分说明外层循环的机制：对于当前的第t个哈希表,t＝1，…m，具体如下：2.1.1)如果t＝1，则直接进入内层循环，否则计算第t-1个哈希表的错误并更新S矩阵，错误指的是：对于有标签的图像，具有相同标签的两个图像汉明距离大于δ，或者不同标签的两个图像汉明距离小于δ，其中δ是一个汉明距离的阈值，S矩阵的更新方法如下：St+1＝St+c×ΔSt式中，St指的是第t个哈希表训练时使用的权重矩阵，并初始化S1＝S，c是一个参数，影响S的变化速度，ΔSt指的是权重调整的矩阵，定义如下：式中，dH(xi,xj)指的是图像(xi,xj)的汉明距离，使用第t-1个哈希表计算；2.1.2)进入第t层内层循环，计算第t个哈希表；2.1.3)如果t＝m，说明m个大小为F的哈希表训练完成，终止；否则t＝t+1，调至步骤2.1.1)；2.2)第t层内层循环中，第k个哈希函数，k＝1,…,F，首先初始化Xtr＝X,具体如下：2.2.1)计算M...

【专利技术属性】
技术研发人员：吴永贤，周先成，田星，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44