哈夫曼编码乘积量化的图像哈希检索方法

目的 基于哈希编码的检索方法是图像检索领域中的经典方法。其原理是将原始空间中相似的图片经哈希函数投影、量化后，在汉明空间中得到相近的哈希码。此类方法一般包括两个过程：投影和量化。投影过程大多采用主成分分析法对原始数据进行降维，但不同方法的量化过程差异较大。对于信息量不均衡的数据，传统的图像哈希检索方法采用等长固定编码位数量化的方式，导致出现低编码效率和低量化精度等问题。为此，本文提出基于哈夫曼编码的乘积量化方法。方法 首先，利用乘积量化法对降维后的数据进行量化，以便较好地保持数据在原始空间中的分布情况。然后，采用子空间方差作为衡量信息量的标准，并以此作为编码位数分配的依据。最后，借助于哈夫曼树，给方差大的子空间分配更多的编码位数。结果 在常用公开数据集MNIST、NUS-WIDE和22K LabelMe上进行实验验证，与原始的乘积量化方法相比，所提出方法能平均降低49%的量化误差，并提高19%的平均准确率。在数据集MNIST上，与同类方法的变换编码方法（TC）进行对比，比较了从32 bit到256 bit编码时的训练时间，本文方法的训练时间能够平均缩短22.5 s。结论 本文提出了一种基于多位编码乘积量化的哈希方法，该方法提高了哈希编码的效率和量化精度，在平均准确率、召回率等性能上优于其他同类算法，可以有效地应用到图像检索相关领域。

Hashing method for image retrieval based on product quantization with Huffman coding