[发明专利]一种基于随机采样哈希表示的图像匹配方法

权利要求书

1.一种基于随机采样哈希表示的图像匹配方法，其特征在于，该方法包括以下步骤：

步骤1，将n幅图像组成原始数据集，并提取所有图像的视觉特征对相应的图像进行表示，所述视觉特征组成特征空间，所述原始数据集的规模为n,所述特征空间的特征总维数为d；

步骤2，从所述原始数据集中随机选择m幅图像作为训练样本组成样本空间，其中，m远小于n；

步骤3，在所述特征空间中随机抽取p个视觉特征作为样本最后的表达,得到一个由m个样本空间、维数为p的视觉特征组成的样本子集X∈R^m×p；

步骤4，学习得到所述样本子集的t个主特征向量，并将其作为哈希投影函数；

步骤5，基于这t个哈希投影函数，生成一段t位二值哈希编码；

步骤6，重复所述步骤2-步骤5k次，得到k段t位二值哈希编码，将这k段t位二值哈希编码级联起来得到一段k×t位的二值哈希编码，作为匹配特征；

步骤7，基于所述匹配特征，利用投影法得到待匹配图像和所述原始数据集中的每一幅图像对应的二值哈希编码；

步骤8，利用所述待匹配图像的二值哈希编码与所述原始数据集中每一幅图像对应的二值哈希编码进行相似度度量，相似度最高的图像即为所述待匹配图像的匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述视觉特征包括以下特征中的至少一个：颜色直方图、SIFT特征、GIST特征。

3.根据权利要求1所述的方法，其特征在于，所述步骤4中，使用主成分分析法来学习主特征向量。

4.根据权利要求3所述的方法，其特征在于，使用主成分分析法来学习主特征向量包括以下步骤：

步骤41，计算所述样本子集X的协方差矩阵C；

步骤42，对于矩阵C进行特征值分解，选择对应特征值最大的t个特征向量作为哈希投影函数。

5.根据权利要求1所述的方法，其特征在于，所述步骤4还包括对于得到的t个主特征向量进行随机旋转的步骤。

6.根据权利要求1所述的方法，其特征在于，所述步骤7进一步包括以下步骤：

步骤71，对于待匹配图像和所述原始数据集中的每一幅图像，根据所述步骤3，提取得到每幅图像的p个视觉特征；

步骤72，将所述步骤71得到的p个视觉特征投影到所述匹配特征上，得到与每幅图像相应的、长度为k×t的二值哈希编码。

7.根据权利要求1所述的方法，其特征在于，所述步骤8中，利用二值哈希编码之间的距离进行相似度度量。