改进哈希编码加权排序的图像检索算法*
2018-09-11郭呈呈于凤芹
郭呈呈, 于凤芹, 陈 莹
(江南大学 物联网工程学院,江苏 无锡 214122)
0 引 言
为了提高局部敏感哈希[1,2](locality sensitive Hashing,LSH)编码效率,提出了许多生成紧凑哈希编码的方法[3~7],但由于哈希编码是离散的且受编码长度的限制,因此,在检索时查询图像与许多图像数据间的汉明距离是相同的,难以根据距离排序来判断这些图像与查询图像间的相似性。为了解决该问题,可以对各个哈希比特位进行加权处理,Zhang X等人[8]没有将查询数据压缩到二值哈希编码,从而减少了信息的损失。Jiang Y G等人[9]根据预定义的类别标签,为不同类别图像学习不同的比特位权重,但算法受类别标签数量限制,适用性较差。Zhang L等人[10]提出了加权汉明距离排序(weighted Hamming distance ranking, WHRank)算法,但该方法十分依赖数据分布假设。Liu X L等人[11,12]提出了哈希编码加权排序(query-adaptive Hash code ranking,QRank)算法,克服了上述加权方法适用性差的问题,然而由于QRank在计算比特位权重时利用随机采样的方法选取采样子集,导致数据分布特性丢失,权重分配不符合实际情况,检索精度下降。
针对上述问题,本文提出了一种改进的哈希编码加权排序图像检索算法,与现有的比特位加权算法相比,本文主要有两点改进:1)利用数据依赖差异[13]的思想对图像数据集采样,得到一个保留数据分布特性的采样子集,利用该采样子集计算各个比特位权重,提高检索精度;2)提出了一种由粗到细的图像最近邻检索策略:采用哈希方法将图像特征映射成二值哈希编码;计算哈希比特位权重,对哈希……
