隨著互聯(lián)網(wǎng)的發(fā)展以及多媒體技術(shù)的廣泛應用,圖像和視頻等多媒體數(shù)據(jù)呈現(xiàn)快速增長趨勢,其也為多媒體檢索技術(shù)提出了嚴峻挑戰(zhàn)。哈希算法將高維的浮點型圖像特征映射為緊湊的二值編碼,從而根據(jù)漢明距離查詢近鄰點,其具有檢索速率快、存儲空間占用小的優(yōu)勢。然而,當前哈希技術(shù)仍存在以下問題:（1）編碼長度有限時漢明距離值數(shù)目較少;（2）檢索結(jié)果中大量圖像共享同漢明距離。針對以上問題,提出了數(shù)據(jù)統(tǒng)計查詢自適應加權(quán)算法和乘積量化自適應加權(quán)重排序算法,主要貢獻如下:1.提出數(shù)據(jù)統(tǒng)計查詢自適應加權(quán)算法。為解決編碼長度有限時漢明距離值數(shù)目較少的問題,提出為不同比特位分配不同的權(quán)重值,從而可根據(jù)加權(quán)漢明距離查詢近鄰點,距離值粒度更細、數(shù)目更多。為了更好地利用數(shù)據(jù)集原始特征信息,在二值化前獲得數(shù)據(jù)集原始特征統(tǒng)計信息,能保留部分因二值化而丟失的信息,增大圖像之間的區(qū)分性。因大量圖像共享形相同的漢明距離,在使用數(shù)據(jù)集二值編碼和查詢向量二值編碼計算權(quán)重值時,會有大量樣本共享相同的權(quán)重值。為更好的利用查詢向量的原始特征,使用查詢向量原始特征計算權(quán)重值,保留了查詢向量的差異性信息,提高了權(quán)重值的適應性,緩解了大量圖像共享同一漢明... 

【文章來源】：山東理工大學山東省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 哈希算法研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 基于哈希的最近鄰查找技術(shù)
    2.1 典型哈希算法
        2.1.1 主成分分析哈希算法PCAH
        2.1.2 局部敏感哈希算法LSH
        2.1.3 迭代量化ITQ
    2.2 典型加權(quán)算法
        2.2.1 基于距離加權(quán)的重排方法
        2.2.2 基于比特位重要性的重排方法
        2.2.3 加權(quán)漢明距離排序WhRank
        2.2.4 查詢自適應哈希排序算法QRank
    2.3 本章小結(jié)
第三章 數(shù)據(jù)統(tǒng)計查詢自適應加權(quán)算法
    3.1 引言
    3.2 基于加權(quán)漢明距離的近鄰檢索
    3.3 查詢自適應權(quán)重設計
    3.4 自適應權(quán)重設計
    3.5 實驗結(jié)果與分析
        3.5.1 GIST數(shù)據(jù)集上實驗結(jié)果及分析
        3.5.2 CIFAR10數(shù)據(jù)集上實驗結(jié)果及分析
    3.6 本章小結(jié)
第四章 乘積量化自適應加權(quán)重排序算法
    4.1 引言
    4.2 乘積量化自適應加權(quán)重排序算法
    4.3 數(shù)據(jù)集統(tǒng)計信息
    4.4 權(quán)重值設計
    4.5 實驗結(jié)果與分析
        4.5.1 GIST數(shù)據(jù)集上實驗結(jié)果及分析
        4.5.2 CIFAR10數(shù)據(jù)集上實驗結(jié)果及分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學位期間取得的成果
致謝



本文編號：2979652