[发明专利]一种基于Group Lasso的半监督哈希图像搜索方法

摘要

本发明提供了一种基于Group Lasso的半监督哈希图像搜索方法，属于图像搜索领域。所述方法包括：识别图像数据库中的标签图像和非标签图像，对输入图像、标签图像和非标签图像进行预处理；根据预处理后的输入图像、标签图像和非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。

主权项

1.一种基于Group Lasso的半监督哈希图像搜索方法，其特征在于，包括：步骤S1：识别图像数据库中的标签图像和非标签图像，对输入图像、所述标签图像和所述非标签图像进行预处理；步骤S2：根据预处理之后的所述输入图像、所述标签图像和所述非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；在所述基于Group Lasso的半监督哈希学习运算中，包括：根据所述Group Lasso算法引入稀疏性，进行Group Lasso的嵌入式图像特征选择；所述进行Group Lasso的嵌入式图像特征选择，具体为：以组为单位将同一组的图像特征同时选入或者同时剔除；步骤S3：根据所述二进制哈希码计算所述输入图像与所述图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果；所述步骤S2还包括：使用邻近算法优化求解模型；所述使用邻近算法优化求解模型，具体包括：在邻近算法每次迭代时，从当前迭代点沿着梯度方向找到另一个点使得目标函数的二次近似函数的函数值最小，并将所述当前迭代点更新为得到的最小函数值；将所述目标函数的二次近似函数写成邻近算子的形式，具体包括：步骤1：梯度步，在第t次迭代时，沿着f(W^t)梯度方向移动，另：其中，t＝1、2、···N，为迭代次数；u^t是第t次迭代的值；W^t为第t次迭代的模型系数；满足利普希茨连续；L＞0，是的利普希茨常数的上界；步骤2：邻近算子步，用每次迭代的解，即Group Lasso的邻近算子，更新W^t+1，直到收敛或达到最大迭代次数N；W^t+1＝[Prox_μθ(u^t)]_g步骤3：输出最优解。