利用核技巧和迭代量化的图像检索算法

doi:10.3969/j.issn.1001-2400.2017.01.029

西安电子科技大学学报

利用核技巧和迭代量化的图像检索算法

杨源1;查宇飞2;覃兵2;梁兵兵3;杨丽薇4;李运强2

(1. 空军工程大学空管领航学院, 陕西西安 710051;
2. 空军工程大学航空航天工程学院, 陕西西安 710038;
3. 空军西安飞行学院, 陕西西安 710300;
4. 空军工程大学科研部, 陕西西安 710051)

收稿日期:2015-11-11 出版日期:2017-02-20 发布日期:2017-04-01
作者简介:杨源(1981-)，男，博士，E-mail: yangyuankgd@126.com
基金资助:
国家自然科学基金资助项目(61202339, 61472442, 61203268)；航空科学基金资助项目(20131996013)

Image retrieval based on kernel trick and iterative quantization

YANG Yuan1;ZHA Yufei2;QIN Bing2;LIANG Bingbing3;YANG Liwei4;LI Yunqiang2

(1. College of ATC Navigation, Air Force Engineering Univ., Xi'an 710051, China;
2. College of Aeronautics and Astronautics Engineering, Air Force Engineering Univ., Xi'an 710038, China;
3. Air Force Xi'an Flight Academy, Xi'an 710300, China;
4. Science Research, Air Force Engineering Univ., Xi'an 710051, China)

Received:2015-11-11 Online:2017-02-20 Published:2017-04-01

摘要/Abstract

摘要：

针对图像检索过程中数据出现线性不可分和准确度低的问题，提出了一种利用核技巧和迭代量化得到哈希码的图像检索算法．该算法利用核技巧，将图像数据巧妙地从低维映射到高维，从而基本实现数据的线性可分，保证了训练得到哈希码的有效性; 在训练哈希函数的过程中，采用迭代量化的方式，使得图像数据逼近哈希码; 最终实现量化误差的最小化，并生成哈希码以便进行图像检索．在两种图像库上进行测试．实验结果表明，文中算法的检索效果相对于比较的哈希算法得到了一定的提升．

关键词: 图像检索, 哈希, 核技巧, 迭代量化, 线性可分

Abstract:

This paper proposes a novel algorithm for solving the problem of data linear inseparable and low-accuracy in the image retrieval field. In order to get hash codes, the algorithm takes account of kernel trick and iterative quantization. First, the kernel trick is used to map the image data from low-dimension into high-dimension cleverly. In this way the data become linearly separable, and the trained hash codes are proved to be effective. Second, in the process of training the hash function, iterative quantization is used to quantize the image data to the closest hash codes. Finally, the quantitative error is minimized, and the hash codes are generated for image retrieval. Experimental results show that it certainly outperforms other compared hashing algorithms on two image benchmarks.

Key words: image retrieval, hashing, kernel trick, iterative quantization, linear separable

杨源;查宇飞;覃兵;梁兵兵;杨丽薇;李运. 利用核技巧和迭代量化的图像检索算法[J]. 西安电子科技大学学报, 2017, 44(1): 165-170.

YANG Yuan;ZHA Yufei;QIN Bing;LIANG Bingbing;YANG Liwei;LI Yunqiang. Image retrieval based on kernel trick and iterative quantization[J]. Journal of Xidian University, 2017, 44(1): 165-170.

参考文献

［1］ ZHANG X F, LIU W, DUNDER M, et al. Towards Large-scale Histopathological Image Analysis: Hashing-based Image Retrieval［J］. IEEE Transactions on Medical Imaging, 2015, 34(2): 496-506.
［2］闫允一, 姜帅, 郭宝龙. 结合稳定兴趣点和Gabor小波的图像检索［J］. 西安电子科技大学学报, 2014, 41(5): 118-123.
YAN Yunyi, JIANG Shuai, GUO Baolong. Image Retrieval Using Stable Interest Points and Gabor Wavelet［J］. Journal of Xidian University, 2014, 41(5): 118-123.
［3］ WANG J D, SHEN H T, SONG J K, et al. Hashing for Similarity Search: A Survey［EB/OL］. ［2015-10-20］. http://arxiv.org/abs/1408.2927.
［4］ GIONIS A, INDYK P, MOTWANI R. Similarity Search in High Dimensions via Hashing［C］//Proceedings of the 25th International Conference on Very Large Data Bases. Orlando: Morgan Kaufmann Publishers Inc, 1999: 518-529.
［5］ GONG Y C, LAZEBNIK S, GORDO A, et al. Iterative Quantization: a Procrustean Approach to Learning Binary Codes for Large Scale Image Retrieval［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(12): 2916-2929.
［6］ KULIS B, GRAUMAN K. Kernelized Locality-sensitive Hashing［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(6): 1092-1104.
［7］李航. 统计学习方法［M］. 北京: 清华大学出版社, 2012: 115-123.
［8］ WANG J, KUMAR S, CHANG S F. Semi-supervised Hashing for Large-scale Search［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(12): 2393-2406.
［9］ ABDI H, WILLIAMS L J. Principal Component Analysis［J］. Wiley Interdisciplinary Reviews: Computational Statistics, 2010, 2(4): 433-459.
［10］ XIA Y, HAN Y W. Partial Lagrangian Relaxation for the Unbalanced Orthogonal Procrustes Problem［J］. Mathematical Methods of Operations Research, 2014, 79(2): 225-237.
［11］数据堂. CIFAR-10图像处理数据集［EB/OL］. ［2015-08-30］. http://www.datatang.com.
［12］ KRIZHEVSKY A. Learning Multiple Layers of Features from Tiny Images［R/OL］. ［2015-10-20］. http://www.cs.toronto.edu/～kriz/learning-features-2009-TR.pdf.
［13］数据堂. MNIST Dataset［EB/OL］. ［2015-08-30］. http://www. datatang.com.
［14］ YU F X, KUMAR S, GONG Y, et al. Circulant Binary Embedding［EB/OL］. ［2015-10-20］. http://www.doc88.com/p-1758985842090.html.
［15］ GONG Y, KUMAR S, ROWLEY H, et al. Learning Binary Codes for High-dimensional Data Using Bilinear Projections［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington: IEEE Computer Society, 2013: 484-491.

[1]	张飞,马时平,张立朝,何林远,仇祝令,韩永赛. 空间可靠性和相关滤波器联合学习的跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 167-177.
[2]	闫佳,曹玉东,任佳兴,陈冬昊,李晓会. 深度非对称压缩型哈希算法[J]. 西安电子科技大学学报, 2021, 48(5): 212-221.
[3]	石娟,谢德,蒋庆. 深度共性保持哈希[J]. 西安电子科技大学学报, 2021, 48(3): 71-77.
[4]	曹艺,蔡晓东. 一种有效的困难样本学习策略[J]. 西安电子科技大学学报, 2021, 48(3): 99-105.
[5]	司成祥,高峰,祝烈煌,巩国鹏,张璨,陈卓,李锐光. 一种支持动态标签的区块链数据隐蔽传输机制[J]. 西安电子科技大学学报, 2020, 47(5): 94-102.
[6]	刘道华,崔玉爽,赵岩松,宋玉婷,王景慧. 一种改进卷积神经网络的教学图像检索方法[J]. 西安电子科技大学学报, 2019, 46(3): 52-58.
[7]	朱嘉,刘红侠. 无损高压缩率电路设计[J]. 西安电子科技大学学报, 2019, 46(2): 35-40.
[8]	刘莞玲,肖承志,傅仰耿. 哈希索引的扩展置信规则库推理方法[J]. 西安电子科技大学学报, 2019, 46(2): 145-151.
[9]	曾燕;陈岳林;蔡晓东. 结合全局与局部池化的深度哈希人脸识别算法[J]. 西安电子科技大学学报, 2018, 45(5): 163-169.
[10]	王秀美;丁利杰;高新波. 一种相似性保持的线性嵌入哈希方法[J]. J4, 2016, 43(1): 94-98.
[11]	马艳萍;姬光荣;邹海林;谢洪涛. 数据依赖的多索引哈希算法[J]. J4, 2015, 42(4): 159-164.
[12]	余旺盛;田孝华;侯志强;刘彬. 改进的二次型直方图距离度量[J]. J4, 2015, 42(3): 161-167+172.
[13]	闫允一;姜帅;郭宝龙. 结合稳定兴趣点和Gabor小波的图像检索[J]. J4, 2014, 41(5): 118-123.
[14]	朱旭东;李晖;郭祯. 云计算环境下加密图像检索[J]. J4, 2014, 41(2): 151-158.
[15]	李立亚;胡晓红;辛振国. 一种由智能终端控制的数据同步算法[J]. J4, 2013, 40(2): 172-180+212.

利用核技巧和迭代量化的图像检索算法

Image retrieval based on kernel trick and iterative quantization

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10