《基於特徵融合的圖像近似最近鄰搜尋哈希方法研究》是依託北京航空航天大學，由郎波擔任項目負責人的面上項目。
基本介紹
- 中文名：基於特徵融合的圖像近似最近鄰搜尋哈希方法研究
- 依託單位：北京航空航天大學
- 項目負責人：郎波
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
基於哈希的圖像近似最近鄰搜尋方法，能夠顯著提高高維數據的存儲和索引效率，成為當前的一個新研究熱點。在這種方法中，目前由於缺乏高性能的哈希函式，使檢索的準確率還不能滿足要求。本項目結合圖像多種視覺與語義特徵在反映圖像特性上具有互補性的特點，以特徵的多層次融合為著眼點，對高性能哈希函式的構造方法展開系統研究。在理論層面上，通過研究高維空間數據的分布特性，利用最大熵原理和特徵子空間方法，研究哈希最近鄰搜尋機理與哈希性能評價指標體系及提升方法。在技術層面上，研究基於多核學習的多視覺特徵融合的哈希方法，研究基於語義特徵選擇的哈希監督學習方法，以及基於多語義共享的哈希遷移與查詢自適應機制。在套用層面上，通過構建哈希函式圖，研究普適的哈希選擇及多表構建方法。本項目最終將建立一種高性能哈希函式構建理論體系，有效提高基於哈希的圖像近似最近鄰搜尋的準確率。
結題摘要
本項目針對大規模圖像數據的高效檢索問題，以特徵的多層次融合為切入點，對基於哈希的圖像近似最近鄰搜尋方法展開了系統、深入的研究。理論層面上，通過研究高維數據空間的分布特性,揭示了哈希整體性能提升的內在因素，並提出了提升方法。技術層面上，提出了基於多核學習的多視覺特徵融合的哈希方法，基於哈希的多特徵融合重排序方法，圖像語義-視覺特徵融合的查詢自適應哈希方法，基於哈希的圖相似性檢索方法等。套用層面上，提出了基於馬爾可夫的通用哈希選擇方法，面向大數據的分散式疊代量化哈希學習算法。項目所提出的方法與技術，在實際非結構化數據管理系統中進行了套用驗證。本項目的研究工作與國內外同類研究相比具有創新性與先進性。項目取得的成果主要包括： （1）提出了分布敏感的結構共享哈希方法。該方法揭示了哈希整體性能提升的內在因素，很大程度是上哈希函式是否存在一個高區分力的共享內部結構，並給出了結構共享哈希函式的學習方法； （2）提出了多特徵融合的核哈希方法。該方法利用多核學習方法將多個核進行組合，並通過學習找到性能最好的多核組合方式，從而提升了哈希函式的性能； （3）提出了基於哈希的多特徵融合的重排序方法。該方法較好解決了由於哈希編碼的信息損失所導致的排序不準確問題，提升了基於哈希檢索方法的性能； （4）提出了基於哈希的查詢自適應多標籤圖像檢索方法。該方法將圖像的標籤語義信息與視覺特徵融合進行哈希函式訓練，同時檢索過程能夠根據用戶輸入信息的不同（圖像實例及語義標籤），自動完成最最佳化哈希函式的選擇，生成效果最好的哈希編碼； （5）提出了基於馬爾可夫的通用哈希選擇方法。該方法建立的哈希表，選擇了信息豐富的位並保證位之間信息互補，同時，能夠從哈希表池中挑選具有優秀檢索性能且互補的哈希表組合成多哈希表，有效提高了檢索效果； （6）提出了面向大數據的分散式疊代量化哈希學習算法。該方法充分利用大規模訓練集的優勢，實現了大規模分散式哈希函式學習，得到了性能優越的哈希函式； （7）提出了基於哈希的圖相似性檢索及其在圖像檢索中的套用方法。基於哈希的思想，對圖數據進行向量化表達並構建哈希表索引，顯著提高了圖數據的檢索效率，進而提出了基於圖的圖像表示方法，並將基於哈希的圖檢索方法套用於圖像檢索，取得很好的檢索效果。
