自适应多位编码量化的哈希图像检索方法

发布时间：2018-11-27 20:39

【摘要】：针对目前哈希图像检索技术中多比特位量化方法通过将实数向量的每一维分别量化,割裂了实数向量各个维度之间联系的问题,提出了一种子空间自适应多位编码量化的哈希图像检索方法。该方法对一组实数做量化并且拓展到乘积空间,将实数向量划分为若干个数据子向量。由于子空间的方差和信息量大小呈正相关,该方法可根据子空间的方差计算并分配编码位数,使方差大的子空间拥有更长的编码位数,并且减小了因给不同的子空间分配相同的比特位而引起的信息损失,提高了编码的精度。在公开的图像数据集LabelMe和Flickr上的测试结果表明:与效果最优的同类方法相比,该方法使得量化误差下降了30%,检索结果的平均准确率提升了9.8%,说明可以通过减小量化误差来提升检索精度。
[Abstract]:By quantizing each dimension of real vector separately in the current hashing image retrieval technology, the multi-bit quantization method splits the relation between each dimension of real vector. A subspace adaptive multibit quantization hashing image retrieval method is proposed. The method quantizes a set of real numbers and extends them to product space. The real number vectors are divided into several data subvectors. Because of the positive correlation between the variance of subspace and the amount of information, the method can calculate and allocate the number of coding bits according to the variance of subspace, so that the subspace with large variance has a longer number of coding bits. The information loss caused by the allocation of the same bits to different subspaces is reduced, and the coding accuracy is improved. The test results on the open image data sets LabelMe and Flickr show that the method reduces the quantization error by 30% and the average accuracy of retrieval results increases by 9.8% compared with the similar methods with the best effect. It shows that the retrieval accuracy can be improved by reducing the quantization error.
【作者单位】： 西安交通大学软件学院;
【基金】：国家自然科学基金资助项目(61603289,61573273)
【分类号】：TP391.41

【参考文献】

相关期刊论文 前1条

1 张胜杰;查宇飞;李运强;李寰宇;杨源;;一种利用局部结构信息的加权哈希图像检索算法[J];西安交通大学学报;2016年10期

【共引文献】

相关期刊论文 前1条

1 徐思雨;蔡佳妮;祝继华;王佳星;栾婷婷;庞善民;;自适应多位编码量化的哈希图像检索方法[J];西安交通大学学报;2017年08期

【二级参考文献】

相关期刊论文 前3条

1 李武军;周志华;;大数据哈希学习:现状与趋势[J];科学通报;2015年Z1期

2 马艳萍;姬光荣;邹海林;谢洪涛;;数据依赖的多索引哈希算法[J];西安电子科技大学学报;2015年04期

3 赵永威;李弼程;彭天强;高毫林;;一种基于随机化视觉词典组和查询扩展的目标检索方法[J];电子与信息学报;2012年05期

【相似文献】

相关期刊论文 前10条

1 江士方,汪英姿;图像及图像检索应用前景的探讨[J];江苏工业学院学报(社会科学版);2003年04期

2 韩法旺;;基于云计算模式的图像检索研究[J];情报科学;2011年10期

3 何岩;;以计算机为基础的色彩图像检索方法与研究[J];计算机光盘软件与应用;2013年12期

4 郭海凤;李广水;仇彬任;;基于融合多特征的社会网上图像检索方法[J];计算机与现代化;2013年12期

5 柏正尧,周纪勤;基于复数矩不变性的图像检索方法研究[J];计算机应用;2000年10期

6 夏峰,张文龙;一种图像检索的新方法[J];计算机应用研究;2002年11期

7 邓诚强,冯刚;基于内容的多特征综合图像检索[J];计算机应用;2003年07期

8 斯白露,高文,卢汉清,曾炜,段立娟;基于感兴趣区域的图像检索方法[J];高技术通讯;2003年05期

9 刘怡,于沛;基于“知网”的新闻图像检索方法[J];河南师范大学学报(自然科学版);2003年02期

10 张荣,郑浩然,李金龙,王煦法;进化加速技术在图像检索中的应用[J];计算机工程与应用;2004年16期

相关会议论文 前10条

1 陈旭文;朱红丽;;一种高效的图像检索方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

2 周向东;张亮;张琪;刘莉;殷慷;施伯乐;;一种新的图像检索相关反馈方法[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈世亮;李战怀;闫剑锋;;一种基于本体描述的空间语义图像检索方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 赵海英;彭宏;;基于最优近似反馈的图像检索[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

5 许相莉;张利彪;于哲舟;周春光;;基于商空间粒度计算的图像检索[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 李凌伟;周荣贵;刘怡;;基于概念的图像检索方法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

7 杨关良;李忠杰;徐小杰;;基于代表色的图像检索方法研究[A];首届信息获取与处理学术会议论文集[C];2003年

8 彭瑜;乔奇峰;魏昆娟;;基于多示例学习的图像检索方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 胡敬;武港山;;基于语义特征的风景图像检索[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 许天兵;;一种基于语义分类的图像检索方法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

相关博士学位论文 前10条

1 崔超然;图像检索中自动标注、标签处理和重排序问题的研究[D];山东大学;2015年

2 杨迪;基于内容的分布式图像检索[D];北京邮电大学;2015年

3 张旭;网络图像检索关键技术研究[D];西安电子科技大学;2014年

4 吴梦麟;基于半监督学习的医学图像检索研究[D];南京理工大学;2015年

5 高毫林;基于哈希技术的图像检索研究[D];解放军信息工程大学;2014年

6 李清亮;图像检索中判别性增强研究[D];吉林大学;2016年

7 刘爽;多特征融合图像检索方法及其应用研究[D];哈尔滨理工大学;2016年

8 程航;密文JPEG图像检索研究[D];上海大学;2016年

9 李强;基于语义理解的图像检索研究[D];天津大学;2015年

10 李展;基于多示例学习的图像检索与推荐相关算法研究[D];西北大学;2012年

相关硕士学位论文 前10条

1 赵鸿;基于尺度不变局部特征的图像检索研究[D];华南理工大学;2015年

2 孙剑飞;基于图像索引的热点话题检索方法研究[D];兰州大学;2015年

3 章进洲;图像检索中的用户意图分析[D];南京理工大学;2015年

4 苗思杨;移动图像检索中的渐进式传输方式研究[D];大连海事大学;2015年

5 都业刚;基于显著性的移动图像检索[D];大连海事大学;2015年

6 王梦蕾;基于用户反馈和改进词袋模型的图像检索[D];南京理工大学;2015年

7 许鹏飞;基于草图的海量图像检索方法研究[D];浙江大学;2015年

8 冯进丽;基于BoF的图像检索与行为识别研究[D];山西大学;2015年

9 乔维强;基于低级特征和语义特征的医学图像检索[D];北京理工大学;2015年

10 蒋国宝;基于内容的概念建模和图像检索重排序[D];复旦大学;2014年

，

本文编号：2361970