基于半监督哈希学习的图像检索技术研究

发布时间：2021-05-10 11:19

　　随着21世纪互联网的飞速发展,网络上的海量数据已经与我们的生活变得密不可分。如何令用户可以在如此海量的数据中迅速搜索到自己感兴趣的图片变得十分重要,因此图像检索成为了目前人们生活中必不可少的技术之一。但是利用图像本身的特征进行检索有着明显的缺点,提取出的图像特征维度过高,占用的存储空间巨大,导致了检索过程的效率十分低下。于是研究人员提出了基于哈希方法的图像检索技术,并在越来越多的检索系统中开始使用,取得了显著的效果。利用哈希方法进行图像检索又分为传统的哈希学习方法和基于深度神经网络的哈希学习方法。在传统的哈希学习中,利用手工设计进行对图像特征的提取在保留图像语义信息方面存在着一定的限制,导致后期学习的效果不是很好,然而利用深度神经网络进行哈希学习的方法取得了比较良好的效果。但是目前大多数利用深度神经网络进行的哈希学习都是在有监督的条件下进行的,然而在现实世界中有标签的图片是相对有限的,而且对图片进行标注是一件十分耗费人力物力的事情,所以实现基于半监督哈希学习的图像检索技术变得尤为重要。针对这些问题,本文的工作主要如下:首先针对现实世界中图像缺少标签的问题,利用栈式自编码器实现基于半监督... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 图像检索技术的研究现状
        1.2.1 基于文本的图像检索技术
        1.2.2 基于内容的图像检索技术
    1.3 基于哈希方法的图像检索技术的研究现状
        1.3.1 非数据依赖哈希
        1.3.2 数据依赖哈希
        1.3.3 深度哈希
    1.4 主要研究内容和论文组织结构
        1.4.1 主要研究内容
        1.4.2 论文的组织结构
第2章 基于哈希方法的图像检索技术
    2.1 引言
    2.2 基于哈希的图像检索的基本框架
    2.3 图像特征提取
    2.4 相似性度量
        2.4.1 基于距离的度量方式
        2.4.2 基于相似度的度量方式
    2.5 传统图像哈希技术
        2.5.1 局部敏感哈希方法
        2.5.2 谱哈希方法
        2.5.3 核监督哈希
    2.6 深度哈希函数
        2.6.1 卷积神经网络哈希学习
        2.6.2 深度神经网络哈希学习
    2.7 本章小结
第3章 基于哈希学习的图像检索技术的改进
    3.1 引言
        3.1.1 卷积神经网络与哈希学习
    3.2 基于栈式自编码器的半监督哈希学习研究
        3.2.1 栈式自编码器
        3.2.2 半监督哈希学习网络结构
        3.2.3 网络的损失函数
    3.3 基于生成对抗网络的半监督哈希学习机制改进
        3.3.1 生成对抗网络
        3.3.2 主要设计思想
        3.3.3 改进网络的主要结构
    3.4 基于胶囊网络的哈希码生成网络
        3.4.1 胶囊网络结构
        3.4.2 主要设计思想
    3.5 哈希码二值化改进
    3.6 本章小结
第4章 网络学习性能分析及系统实现
    4.1 引言
    4.2 实验数据集介绍
    4.3 实验环境配置情况
    4.4 评价指标
    4.5 实验结果与分析
        4.5.1 基于栈式自编码器的哈希学习的效果分析
        4.5.2 基于生成对抗网络的图像对生成效果分析
        4.5.3 基于胶囊网络的哈希码生成效果分析
    4.6 系统整体设计
        4.6.1 系统的整体框架
        4.6.2 数据库设计
        4.6.3 系统性能分析
    4.7 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]快速鲁棒特征算法的CUDA加速优化[J]. 刘金硕,曾秋梅,邹斌,江庄毅,邓娟.  计算机科学. 2014(04)
[2]基于文本的与基于内容的图像检索技术比较研究[J]. 张骞.  情报探索. 2012(01)
[3]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照.  河北大学学报(自然科学版). 2009(01)
[4]基于统计学的最近邻查询中维数灾难的研究[J]. 薄树奎,李盛阳,朱重光.  计算机工程. 2006(21)
[5]图像二值化时图像特征的保留[J]. 王强,马利庄.  计算机辅助设计与图形学学报. 2000(10)
[6]基于内容的图像检索综述[J]. 庄越挺,潘云鹤,芮勇,ThomasS.Huang.  模式识别与人工智能. 1999(02)



本文编号：3179273