基于哈希编码学习的图像检索方法
左 欣1，沈继锋2，于化龙1，高 尚1，徐 丹1，胡春龙1
【摘 要】针对传统的位置敏感哈希编码低效的问题，提出一种监督学习框架下基于正交子空间的判别投影哈希函数学习的海明编码方法.该方法首先根据特征值的能量分布进行子空间分解，其次基于Fisher判别分析准则，利用样本的分布信息学习一组最佳投影的哈希函数，实现原始特征空间向海明空间的紧致嵌入，最终生成一组紧凑且具有判别性的二进制编码，并用于图像检索.在公开数据集上的实验结果表明:该算法与其他经典算法相比，具有较好的稳定性，降低了内存消耗并提高了检索的平均准确率.
【期刊名称】江苏科技大学学报（自然科学版） 【年(卷),期】2015(029)006 【总页数】7
【关键词】位置敏感哈希;正交子空间;判别投影学习;视觉字典;空间金字塔 【文献来源】
https://www.zhangqiaokeyan.com/academic-journal-cn_journal-jiangsu-university-
science-technology-natural-edition_thesis/0201249509363.html
图像数据资源的集中和规模增大给图像检索带来机遇的同时也带来了挑战，相较于传统的基于文本的图像检索管理和查询，其难度很大，很难满足实际要求，因此，基于内容的图像检索(contentbased image retrieval，CBIR)受到很多学者的广泛研究［1］.如何有效地描述图像的特征信息，以及采用何种数据结构进行高效索引和快速相似性检索等一系列问题成为了这个方向的研究热点.此外索引的数据结构与查询性能是紧密相关的，可以大致分为精确近邻和近似近邻这两大类方法.前者主要研究如何准确地确定样本点在样本空间中的近邻关系，
基于哈希编码学习的图像检索方法
