[发明专利]基于经验拟合的局部敏感哈希图像检索参数优化方法

说明书

一种基于经验拟合的局部敏感哈希图像检索参数优化方法，包括如下步骤：S1、定义局部敏感哈希函数族H；S2、设k为局部敏感哈希函数的个数，L为哈希索引表的个数，当L，r，w的值确定时，计算出k值；S3、从H中取k个函数，定义k维局部敏感哈希函数族G；S4、从G中取L个哈希函数，建立L张哈希索引表。本发明通过回归分析的方法得到了一个局部敏感哈希图像检索参数优化的经验公式，使用该经验公式能够有效地减少计算步骤，降低算法参数优化的复杂度，提高算法运行效率。同时，本发明接近理论最优，能使算法获得较高的F1，从而获得优良的算法性能。

技术领域

本发明涉及一种参数优化方法，尤其涉及一种基于经验拟合的局部敏感哈希图像检索参数优化方法，属于图像处理领域。

背景技术

随着数据时代的到来，互联网上的图像、视频、音频等多媒体数据的处理量急剧增长。图像、视频等数据需提取的特征维度达到几百维甚至上千维，而这些高维数据往往呈现出非结构化特性，在处理高维数据时传统的数据处理方法不能满足要求，给相似性数据检索和语义分析等算法带来了巨大的困难。基于内容的图像检索方法，并不依赖于关键字来搜索，而通过提取图像的内容特征来进行图像匹配。其中基于图像特征的局部敏感哈希算法在处理高维数据时表现出了良好的性能，使其成为了近年来的研究热点。

局部敏感哈希(Locality Sensitive Hash)算法作为最具代表性的哈希索引技术之一，是由Indyk和Motwani在1998年提出来的。其基本思想是对数据点集利用一组哈希函数建立多张哈希表，使得经过哈希映射后相似的点冲突的概率大，而不相似的点冲突的概率很小。自从算法提出以来，与其有关的各种哈希索引方法相继被提出。P稳定局部敏感哈希将空间距离计算由汉明空间转移到欧氏空间；基于熵的局部敏感哈希在查询项的周围随机产生扰动对象作为查询项集合，这种算法是以时间为代价来减少空间的消耗；多探针局部敏感哈希通过大量实验结果指出几乎所有候选查询结果与查询对象在相同或者相邻的映射桶内，并据此提出有效的索引方案。

局部敏感哈希的性能对几个参数非常敏感，而这些参数必须由算法实现时选择。算法中需要确定的参数有：区间大小w，哈希函数个数k，哈希表个数L，查询范围r。局部敏感哈希算法通过固定其中一个参数部分解决了这个问题。然而，算法的实现过程仍然留下了为其它参数寻找最优值的问题。算法中参数的调整过程既单调乏味又严重阻碍算法的应用，并且在目前的行业内，对于这些参数值的选取问题，缺乏系统性、规范性的指导。再加上局部敏感哈希函数参数选择的随机性，在单个局部敏感哈希函数的情况下，可能将不相近的数据点都映射成同一个哈希值，从而导致误差。

综上所述，如何提出一种局部敏感哈希图像检索参数优化方法，保证算法的精确率及召回率，就成为了当下推荐算法的研究难点。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于经验拟合的局部敏感哈希图像检索参数优化方法。

具体而言，一种基于经验拟合的局部敏感哈希图像检索参数优化方法，包括如下步骤：

S1、定义局部敏感哈希函数族H；

S2、设k为局部敏感哈希函数的个数，L为哈希索引表的个数，当L，r， w的值确定时，计算出k值；

S3、从H中取k个函数，定义k维局部敏感哈希函数族G；

S4、从G中取L个哈希函数，建立L张哈希索引表。