基于深度哈希和非深度哈希的联合哈希检索方法及系统技术方案

本发明专利技术提供了一种基于深度哈希与非深度哈希结合的联合哈希检索方法，包括：输入图像进行深度哈希，获得深度哈希编码；输入图像进行非深度哈希，获得非深度哈希编码；拼合所述深度哈希编码和非深度哈希编码，获得图像检索结果。本发明专利技术同时采用图像视觉与图像语义进行编码，从而使得根据编码查询的检索结果既和查询图像具有语义相似性，在视觉上也尽可能保持相似，因而本发明专利技术在图像的检索任务中能获得更好的表现。好的表现。好的表现。

【技术实现步骤摘要】
基于深度哈希和非深度哈希的联合哈希检索方法及系统


[0001]本专利技术涉及图像检索领域，具体地，涉及一种基于深度哈希和非深度哈希的联合哈希检索方法及系统。

技术介绍

[0002]哈希检索方法是k
‑
近似近邻检索方法中的代表方法，有着高效率和低存储的优点。哈希检索的基本思路是将图像编码成二值化编码，该编码表征图像特征并用来快速检索。早期研究人员尝试用全局、局部、卷积特征等方法来研究检索问题。后来由于SIFT特征的优秀表现，也衍生出大量的研究工作，用SIFT特征来表征图像成为常用手段。
[0003]随着CNN的改进和优越性的体现，现在多数工作的重心都聚焦在基于CNN方法的检索上。所以根据是否使用CNN，哈希检索方法可以分为非深度和深度两类。非深度哈希通常先提取图像的人工特征，再使用核函数监督哈希、谱哈希等方法学习哈希函数。深度哈希则能够直接对输入图像进行编码，在检索准确率上常常优于非深度哈希，比如非对称深度监督哈希。但是深度哈希存在着一种隐患：CNN根据训练集的标签信息来训练，所以图像的标签作为评判图片相似度的唯一标准。在图像检索问题中，这么做容易将CNN的检索任务退化为分类任务，忽略了相同标签下图像的差异信息。
[0004]经检索，公开号为CN113326393A公开了一种基于深度哈希特征和异构并行处理的图像检索方法，解决了现有技术中存在的图像检索精度不高的问题，但其未提及非深度检索方法，其检索精度仍存在较大提升空间。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于深度哈希和非深度哈希的联合哈希检索方法及系统。
[0006]根据本专利技术的一个方面，提供一种基于深度哈希和非深度哈希的联合哈希检索方法，包括：
[0007]输入图像进行深度哈希，获得深度哈希编码；
[0008]输入图像进行非深度哈希，获得非深度哈希编码；
[0009]拼合所述深度哈希编码和非深度哈希编码，获得图像检索结果。
[0010]优选地，所述输入图像进行深度哈希，获得深度哈希编码，包括：
[0011]使用训练好的CNN模型，直接对所述输入图像进行编码，获得深度哈希编码。
[0012]优选地，所述输入图像进行非深度哈希，获得非深度哈希编码，包括：
[0013]基于滤波器组，提取所述输入图像的视觉特征；
[0014]基于所述核函数监督哈希，对所述视觉特征进行编码；
[0015]获得非深度哈希编码。
[0016]优选地，所述基于滤波器组，提取输入图像的视觉特征，包括：
[0017]将n
×
n的图像切分为多个m
×
m的滑动窗口；
[0018]使用滤波器组依次对所述滑动窗口做卷积；
[0019]经过所述卷积提取用于表征图像的特征向量；
[0020]拼接多个所述滑动窗口的特征向量，获得图像的视觉特征。
[0021]优选地，所述基于核函数监督哈希，对所述视觉特征进行编码，包括：
[0022]将所述视觉特征作为输入；
[0023]利用核函数监督哈希对所述视觉特征进行计算；
[0024]获得所述输入图像的非深度哈希编码。
[0025]优选地，所述滤波器组包括：24个方向滤波器、4个高斯滤波器和6个高斯拉普拉斯滤波器。
[0026]优选地，使用滤波器组依次对所述滑动窗口做卷积，包括：
[0027]每个所述滑动窗口记为I
k
，k∈{1,
…
,n2/m2}；
[0028]所述方向滤波器f
dir
包括：
[0029]表示横向灰度值变化的G
x
部分；
[0030]表示纵向灰度值变化的G
y
部分；
[0031]其中一个方向滤波器f
dir
的公式为：
[0032][0033][0034][0035]方向滤波器没有旋转不变性，其余方向滤波器计算了其它方向的灰度值变化；
[0036]所述高斯拉普拉斯滤波器f
LoG
的公式为：
[0037][0038]所述高斯滤波器f
Gau
的公式为：
[0039][0040]高斯拉普拉斯滤波器和高斯滤波器具有旋转不变性，其分别采用不同尺度的卷积核计算不同尺度的特征。
[0041]优选地，所述经过所述卷积提取用于表征图像的特征向量，包括：
[0042]将任意滤波器记为f
i
，i∈{1,2,
…
,33}，I
k
的特征向量k∈{1,
…
,n2/m2}；
[0043]每个滤波器卷积滑动窗口得到的特征值为：
[0044][0045]优选地，所述拼合所述深度哈希编码和非深度哈希编码，获得图像检索结果，包括：
[0046]拼合所述语义哈希编码和所述视觉哈希编码，作为联合哈希编码；
[0047]对数据库中所有图片进行编码；
[0048]比较所述输入图片的联合哈希编码和所述数据库中图片编码的汉明距离；
[0049]根据所述汉明距离排序，依照所述排序结果获得图像检索结果。
[0050]根据本专利技术的第二个方面，提供一种基于深度哈希和非深度哈希的联合哈希检索方法系统，包括：
[0051]深度哈希模块，通过非深度监督哈希对输入的图像进行评价，得到语义哈希编码；
[0052]非深度哈希模块，通过结合滤波器组与核函数监督哈希对输入图像的视觉特征进行重建，得到视觉哈希编码；
[0053]编码拼合模块，拼合所述语义哈希编码和视觉哈希编码，得到用于图像检索的联合哈希编码，并获得检索结果。
[0054]与现有技术相比，本专利技术具有如下的有益效果：
[0055]本专利技术提供的一个基于深度哈希和非深度哈希的联合哈希检索方法的实施例，其同时采用图像视觉(深度哈希)与图像语义(非深度哈希)进行编码，从而使得根据编码查询的检索结果既和查询图像具有语义相似性，在视觉上也尽可能保持相似，因此其在图像的检索任务中能获得既快又准的良好表现。
附图说明
[0056]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0057]图1是本专利技术一实施例中的基于深度哈希和非深度哈希的联合哈希检索方法的流程图；
[0058]图2是本专利技术的一优选实施例中的结合滤波器组与核函数监督哈希的检索方法FKSH的流程图；
[0059]图3是本专利技术的一个优选实施例中的基于深度哈希ADSH与非深度哈希FKSH结合的联合哈希框架；
[0060]图4是本专利技术的应用实施例中的联合哈希检索实例和其它方法的比较实例图。
具体实施方式
[0061]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，包括：输入图像进行深度哈希，获得深度哈希编码；输入图像进行非深度哈希，获得非深度哈希编码；拼合所述深度哈希编码和非深度哈希编码，获得图像检索结果。2.根据权利要求1所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，所述输入图像进行深度哈希，获得深度哈希编码，包括：使用训练好的CNN模型，直接对所述输入图像进行编码，获得深度哈希编码。3.根据权利要求1所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，所述输入图像进行非深度哈希，获得非深度哈希编码，包括：基于滤波器组，提取所述输入图像的视觉特征；基于所述核函数监督哈希，对所述视觉特征进行编码；获得非深度哈希编码。4.根据权利要求3所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，所述基于滤波器组，提取输入图像的视觉特征，包括：将n
×
n的输入图像切分为多个m
×
m的滑动窗口；使用滤波器组依次对所述滑动窗口做卷积；经过所述卷积提取用于表征图像的特征向量；拼接多个所述滑动窗口的特征向量，获得图像的视觉特征。5.根据权利要求3所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，所述基于核函数监督哈希，对所述视觉特征进行编码，包括：将所述视觉特征作为输入；利用核函数监督哈希对所述视觉特征进行计算；获得所述输入图像的非深度哈希编码。6.根据权利要求2所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，所述滤波器组包括：24个方向滤波器、4个高斯滤波器和6个高斯拉普拉斯滤波器。7.根据权利要求6所述的一种基于深度哈希和非深度哈希的联合哈希检索方法，其特征在于，使用滤波器组依次对所述滑动窗口做卷积，包括：每个所述滑动窗口记为I
k
，k∈{1,
...

【专利技术属性】
技术研发人员：乔宇，徐航，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：