基于卷积神经网络和哈希技术的图像检索方法研究

发布时间：2022-09-28 13:20

　　随着计算机信息技术的高速发展和多媒体处理设备的应用和普及,数字图像的数据量呈现指数级快速增长的趋势。面对与日俱增的数字图像资源,如何从中准确高效地查找到系统管理者所需要的图像资料成为一个急需解决的技术难题。首先应用的是基于文本的图像检索方法,随后基于内容的图像检索方法通过利用颜色、纹理、空间形状等特性,有效解决了人工语义标签工作量大和表达不规范的缺陷。然而,由于这种方法所提取的图像特征维度高并且未能充分表达深层语义特征,导致在图像数据量增多的情况下,存储消耗攀升,检索速度和准确率急速下降。针对未能准确表示图像深层语义特征和解决特征数据高维度的问题,本文提出一种基于卷积神经网络和哈希技术的图像检索方法。该方法首先结合卷积神经网络模型强大的深度学习能力进行图像特征提取,获取相似图像视觉特征之间的内在隐含联系,得到数字图像的深层语义特征数据;接着通过预训练的堆叠自编码器对特征向量进行降维处理,利用特征数据的稀疏性和Frobenius范数对堆叠自编码器进行约束规范,通过增添正则惩罚项强化算法的鲁棒性;然后运用迭代量化的哈希学习方法调整旋转矩阵,使得映射量化误差最小化,从而得到图像特征映射的二进... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 图像检索国内外研究现状
    1.3 主要研究内容
    1.4 论文组织结构
第2章 图像检索相关理论介绍
    2.1 图像特征提取
        2.1.1 全局特征
        2.1.2 局部特征
    2.2 卷积神经网络
        2.2.1 神经元
        2.2.2 卷积神经网络模型
    2.3 哈希学习方法
        2.3.1 无监督哈希方法
        2.3.2 有监督哈希方法
    2.4 相似性度量
    2.5 本章小结
第3章 基于卷积神经网络和哈希学习的图像检索
    3.1 基于卷积神经网络的图像特征提取方法
        3.1.1 神经网络结构
        3.1.2 预训练网络模型
        3.1.3 基于迁移学习的网络微调
    3.2 基于堆叠自编码器的哈希图像检索算法
        3.2.1 自编码器
        3.2.2 堆叠自编码器的构建
        3.2.3 堆叠自编码器的训练过程
        3.2.4 基于堆叠自编码器的哈希算法
    3.3 图像检索流程
    3.4 本章小结
第4章 图像检索实验结果与分析
    4.1 图像数据集及预处理
        4.1.1 图像检索数据集
        4.1.2 图像预处理
    4.2 图像检索性能评价指标
    4.3 实验结果与分析
    4.4 本章小结
第5章 结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于内容的图像检索技术研究[J]. 黄祥林,沈兰荪.  电子学报. 2002(07)

博士论文
[1]基于视觉信息的图像特征提取算法研究[D]. 戴金波.吉林大学 2013

硕士论文
[1]基于深度哈希网络的图像检索研究[D]. 毛梦蝶.电子科技大学 2018



本文编号：3681736