[发明专利]一种基于KPCA多表索引图像哈希检索方法

说明书

本发明提供一种基于KPCA多表索引的图像哈希检索方法，其包括以下步骤：区分性特征选取，特征聚类以及多表索引构建以及哈希编码的优化。本发明在训练哈希投影函数之前，首先，通过基于核函数的主元分析从图像特征维度中，选取具有区分能力的特征作为训练集，并在此基础上，利用特征聚类的方法获取不同语义样本的聚类中心，找出每类的多个最佳近邻类，最后对聚类空间进行层次划分，构造多个索引表。在检索时，通过查询多张哈希索引表以此提高检索的性能。本发明将高维的图像特征映射成简单的二值码，节省了数据的存储空间；解决采用单表索引结构时，相似图像之间的离散度相差较大，或者是相似特征属性分布区间较大，即原本是相似的特征，而被映射到不同哈希编码等问题。

技术领域

本发明属于图像检索领域，涉及到基于内容的图像检索方法，适用于大规模图像检索及高维数据的最近邻搜索。

背景技术

20世纪70年代的图像数据库管理系统是对图像的语义内容进行人工标注，并采用传统的数据库技术或者文本信息检索技术对相似图像的语义关键字进行存储和索引。其优点是基于成熟的数据库检索技术及文本内容索引技术，检索速度比较理想。但Web页面是与图像关联的文字信息而不是与图像内容有关的特征信息，导致索引的结果部分不符合用户的要求，而且随着大数据时代的到来，图像数据规模增长速度达到指数级，这种主观性和不一致性的人工标注逐渐暴露出效率底下等缺陷。

为了解决基于人工标注的文本检索缺陷，1980年开始出现基于内容的图像检索技术，其方法是通过提取图像特征并建立索引，然后计算比较这些图像库中图像的特征和查询图像特征之间的距离，来决定两个图像的相似度。然而，这样必能存在两个重要的问题:1)图像特征往往是一种高维化的数据,高维数据的存储要求高，计算效率和类与类之间的区分性较低；2)对大规模数据进行线性搜索很难满足效率要求。因此，如何对图像高维特征进行有效索引成为一个亟需解决的问题。研究人员在这方面最早提出了以树形结构索引算法，主要以树形结构索引算法。基于树的查找方法如：kd-tree，M-tree，cover-tree，metric-tree等方法，然而，树形索引结构提高了检索速度，但所需的存储空间大，难以适应大规模数据检索的要求。

于此同时，基于哈希的相似度查询方法倍受关注。基于哈希的相似度查找方法是将数据映射到低维度的汉明空间，也就是二值哈希编码。通过查找哈希表的方式，在计算查询样本点和数据库中的样本点的相似度时只需要简单的位操作运算，并且拥有良好的存储效率。