融合多特征和哈希算法的图像检索研究

随着新一代信息技术的广泛应用,如何从海量图像数据中快速检索出目标图像,已成为当前信息处理的研究热点.基于对图像的全局颜色特征和局部纹理特征进行融合的考虑,提出了融合多特征和哈希的图像检索算法,即采用自学习哈希算法降低维数和训练哈希函数,将图像数据点映射到汉明空间,生成相应的哈希码,然后利用汉明距离计算出图像间的距离,并按照相似度大小排序.实验结果表明,该算法能较明显地提高检索效率.     

近似最近邻搜索算法——位置敏感哈希

寻找查询点的最近邻是信息处理相关领域的主要任务之一。在数据规模较大时需要采用快速检索算法,常用的快速检索算法主要是基于树的算法,但是当数据点维数较高时,这些算法的效率会变低。位置敏感哈希是当前解决高维搜索的最快的算法,文章对汉明空间、欧式空间下的位置敏感哈希算法的实现方案进行了详细分析,对算法中数据点冲突概率、空间时间消耗、参数调整对算法性能的影响进行了详尽的研究和试验,最后讨论算法的优点和缺点,说明了算法应用于视觉聚类的可能性。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

基于相似性保持和判别性分析的快速视频哈希算法

针对当前视频哈希算法检索时间长、准确率低的问题,提出一种基于相似性保持和判别性分析的快速视频哈希算法。通过视频的标签信息直接得到相似性矩阵,减少视频关键帧之间相似度的计算时间。采用根据标签信息定义的码本矩阵,使同一类别的视频生成相同的哈希码。在算法优化过程中,使用迭代优化找到参数的封闭解,学习得到视频哈希函数。本研究使得相似性矩阵和码本矩阵共同作用,不仅获得了较高的准确率,还极大提高了检索效率。试验结果表明,在两个公开视频数据集HMDB51和UCF101上,在数据集设置相同的情况下,该算法和6个常用的哈希算法相比,检索的时间和空间复杂度都明显优于其他算法。     

基于march算法的网络多维数据优化存储方法

传统的多维数据优化存储方法存在存储性能较差,信噪比较低的问题。为此,提出一种基于march算法的网络多维数据优化存储方法。根据映射函数,对网络多维数据进行映射函数整数编码;通过映射获得多维数组的坐标值,完成维数据组织构建;依据二进制编码获取更高的网络多维数据存储效率;利用顺序存储与分块存储完成度量数据组织,通过块的压缩存储节约数据存储占用空间;利用march算法测试网络多维数据存储方法,完成存储方法的优化。实验结果表明,在不同压缩比时,该方法在数据存储过程中的最高信噪比可达96;在不同稀疏度时,该方法在数据存储过程中的信噪比依旧较高,具备较优的数据存储性能。     

改进的免疫算法在函数优化中的应用

针对遗传算法群体多样性保持能力不足,易陷入局部最优等缺点,提出了一种改进的免疫算法(Im-proved Artificial Immune Algorithm,IAIA),并将其与函数优化相结合,用于解决多模函数优化问题.用个体的实数值根据欧式距离进行适当的聚类分析,认为类内个体均具有相同的浓度值,用个体的二进制编码计算类的平均信息熵,进而得到浓度值,用以取代了标准人工免疫算法(Artificial Immune Algorithm,AIA)中计算任意两个体间信息熵的算法;根据个体适应值和浓度控制个体的繁殖率,该算法在保持与AIA相近的多样性和收敛性的同时,达到减少算法的时间复杂性,提高计算效率的目的.测试实验表明,对单模和多模函数优化问题,以及在高维的情况下,IAIA有较高的解质量及较短的运算时间,显示出良好的性能.     

基于随机旋转局部保持哈希的图像检索技术

针对基于局部保持投影（locality preserving projection,LPP）的哈希用于图像检索造成图像表征力不强、检索效率低下的问题,融合LPP及主成分分析（principal component analysis,PCA）技术,提出一种随机旋转局部保持哈希的图像检索算法。首先对样本进行PCA降维,对PCA变换矩阵进行随机旋转形成PCA降维矩阵,将原始样本在降维矩阵上进行投影,得到PCA降维样本。为充分利用样本间的相似性结构,对PCA降维样本进行LPP映射,并引入随机矩阵对特征向量进行偏移构造最终编码投影矩阵。再将原始样本投影到编码投影矩阵,得到最终的降维样本;最后对其进行哈希编码,得到有效的二进制编码用于图像检索。算法充分考虑样本间的全局和局部相似性结构,体现了样本间所蕴含的局部和全局信息,把随机旋转应用于PCA降维矩阵,减少了编码之间的量化误差,提高了图像特征的识别能力。分别在3个人脸数据集上进行性能测试实验,并与相关方法进行比较,得到了较好的效果。实验结果表明该方法是有效的。     

基于扁平N叉树搜索的RFID防冲突算法

防冲突技术是无线射频识别(RFID)系统中的关键技术. 针对二进制搜索防冲突算法读取海量数据标签效率低的问题,通过分析标签数量为海量数据的特征以及标签编码的规律性,基于管理系统中海量数据标签的编码规律和现有二进制搜索算法思想,提出了适合于读取海量数据RFID标签的扁平N叉树搜索防冲突算法. 测试结果表明,该算法在标签总数大于一定数值时,其读取标签效率优于二进制搜索算法.