[发明专利]大规模图片集中基于语义一致性的近似搜索方法

权利要求书

1.在大规模图片集中基于语义一致性的近似搜索方法，其特征在于：所述方法包括如下步骤：

步骤1：输入图片集样本矩阵X，并输入图片集对应的语义类标记矩阵Y，其中X是n*d维的矩阵，Y是n*c维的矩阵，n代表图片集中图片的个数，d是图片特征的维度，c是类标记的数量；

步骤2：从图片集中随机抽取一部分图片作为抽样图片集；

步骤3：定义图片集与抽样图片集中的图片间的关系矩阵W，结合关系矩阵并引入语义一致性构建目标函数表达式，通过随机梯度下降算法迭代求解优化，待表达式收敛后即得到优化完成的转换矩阵A；转换矩阵A的计算过程如下：

步骤(1)、定义图片间的关系矩阵W是一个n*n维的矩阵，关系矩阵中的每一个元素定义为：

W_ij＝exp(-||A(x_i-u_j)||²) (1)

上式中A表示转换矩阵，x_i表示图片集中的第i张图片，u_j表示抽样图片集中的第j张图片；

步骤(2)、定义目标函数式为：

其中，f_i表示第i个图片样本的类标记向量，类标记向量是c维的列向量，向量中元素的值为1或0，分别表示图片属于这个类和不属于这个类，f_j表示抽样图片集中第j个图片的类标记向量；

步骤(3)、根据随机梯度下降算法优化转换矩阵A，迭代更新规则如下：

其中，γ_t是每次迭代过程中的优化步长，转换矩阵的初始值为I/δ，I是d*d维的单位矩阵，δ是图片集中各图片之间欧氏距离的中位数；

步骤(4)、图片集中所有的图片样本遍历结束后，即得到最终优化完成的转换矩阵A；

步骤4：对于每一个图片样本x，将转换矩阵A代入步骤3定义的关系矩阵中，得到关系矩阵的各个元素的值；通过关系矩阵构建出相似矩阵Z，结合相似矩阵得到编码矩阵，对大规模图片数据集中的各图片利用编码矩阵进行哈希编码，将图片由原始的d维特征压缩映射成k维的二进制编码；

步骤5：对于一个新的查询图片q，通过编码矩阵计算出查询图片的二进制编码，与图片数据集中各图片的二进制编码比较汉明距离，如果汉明距离小于设定的门限阈值r，即认为两图片是近似图片。

2.根据权利要求1所述的近似搜索方法，其特征在于：步长γ_t选取以下值中的一种：1*10^-5，1*10^-4，1*10^-3，或者1*10^-2。