[发明专利]基于图像哈希的大规模图像库检索方法

权利要求书

1.一种基于图像哈希的大规模图像库检索方法，其特征在于包括如下步骤：

1)建立图像库I＝{I₁，I₂，...，I_N}，其中包含N幅图像；从图像库中挑选M幅 (M＜N)包含同一对象的图像，组成训练库T＝{T₁，T₂，...，T_M}；

2)对于图像库I和训练库T中的每一幅图像，利用Gist描述符提取图像的纹 理特征，每一幅图像用一个高维特征向量表示；图像库对应的所有特征 向量组成图像特征库GI＝{GI₁，GI₂，...，GI_N}，特征库中的每个特征向量 GI_i，(1≤i≤N)和图像库中的每幅图像I_i，(1≤i≤N)一一对应；训练库对 应的所有特征向量组成训练特征库GT＝{GT₁，GT₂，...，GT_M}，特征库中的 每个特征向量GT_i，(1≤i≤M)和训练库中的每幅图像T_i，(1≤i≤M)一一 对应；

3)对于训练特征库中的M个特征向量GT＝{GT₁，GT₂，...，GT_M}，利用K均值 聚类将其聚成C类，得到C组聚类样本S＝{S₁，S₂，...，S_C}；

4)对于每一组聚类样本S_i，(1≤i≤C)，定义基于核函数的超球面分类函数：

Pi(x)=Σp=1miαi,pK(Si,x)]]>

其中m_i是S_i，(1≤i≤C)中包含的样本数；α_i是m_i维向量，通过训练得到； K(S_i，x)是核函数，选择径向基核函数；

根据已知的训练样本S_i，(1≤i≤C)，求解如下方程得到α_i：

min(12||αi||2)]]>

约束条件为

<α_i·S_i>＞1，i＝1，2，...，C

从而确定最优超球面分类面，该分类面是能最大限度的包含所有聚类样 本的最小分类面；

5)根据已求得的超球面分类函数P(x)＝{P₁(x)，P₂(x)，...，P_C(x)}，定义哈希 函数簇H(x)＝{H₁(x)，H₂(x)，...，H_C(x)}，其中

Hi(x)=sign(Pi(x))=1Pi(x)>=00else]]>

对于特征库中的每个特征向量GI_i，(1≤i≤N)，利用哈希函数簇 H(x)＝{H₁(x)，H₂(x)，...，H_C(x)}生成长度为C的哈希序列 HI_i＝{H₁I_i，...，H_CI_i}，(1≤i≤N)；

6)对于查询图像Q，提取其Gist特征向量GQ后，利用哈希函数簇 H(x)＝{H₁(x)，H₂(x)，...，H_C(x)}构造其对应的查询哈希序列 HQ＝{H₁Q，...，H_CQ}；

7)对于查询哈希序列HQ＝{H₁Q，...，H_CQ}和图像特征库的每个哈希序列 HI_i＝{H₁I_i，...，H_CI_i}，(1≤i≤N)，计算它们之间的汉明距离 DH_iQ＝∑xor(HI_i，HQ)，(1≤i≤N)，根据距离大小判断图像库中图像与查询 图像之间的相似性。