| 结构化稀疏谱哈希索引 |
| |
| 引用本文： | 欧阳遄飞,张寅,张啸,邵健,吴飞. 结构化稀疏谱哈希索引[J]. 计算机辅助设计与图形学学报, 2012, 24(1): 60-67 |
| |
| 作者姓名： | 欧阳遄飞 张寅 张啸 邵健 吴飞 |
| |
| 作者单位： | 浙江大学计算机学院 杭州 310027 |
| |
| 基金项目： | 国家自然科学基金，国家"九七三"重点基础研究发展计划项目，中央高校基本科研业务费专项资金 |
| |
| 摘 要： | 为了对从图像中所提取的高维特征进行高效索引,考虑到图像原始高维特征所具有的内在结构化特性,结构化稀疏谱哈希索引算法是在传统谱哈希索引算法中引入结构化稀疏主成分分析,来求取图像高维特征内嵌子空间,进而实现图像索引.该算法中保持了原始图像数据特征之间的结构性信息,并使得视觉特征相似图像之间的汉明距离保持最小.实验结果表明,该算法优于位置敏感哈希、受限玻尔兹曼机、谱哈希以及稀疏谱哈希等索引算法.
|
| 关 键 词： | 结构 稀疏 哈希索引 主成分分析 拉普拉斯特征图 |
Structured Sparse Spectral Hashing |
| |
| Ouyang Chuanfei , Zhang Yin , Zhang Xiao , Shao Jian , Wu Fei. Structured Sparse Spectral Hashing[J]. Journal of Computer-Aided Design & Computer Graphics, 2012, 24(1): 60-67 |
| |
| Authors: | Ouyang Chuanfei Zhang Yin Zhang Xiao Shao Jian Wu Fei |
| |
| Affiliation: | (College of Computer Science,Zhejiang University,Hangzhou 310027) |
| |
| Abstract: | Constructing effective indexes for images with high-dimensional features is essential for the efficient retrieval of large scale of images.Motivated by the structure properties of the image features,structured sparse principal component analysis is introduced into traditional spectral hashing to boost image retrieval,which is called structured sparse spectral hashing(S3H).S3H is not only similarity preserving but also structure preserving.Experimental results demonstrate that S3H outperforms other algorithms. |
| |
| Keywords: | structure sparse hashing principle component analysis Laplacian eigenmap |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
