结构化稀疏谱哈希索引 structured sparse spectral hashing.pdfVIP

V01．24 第24卷第1期 计算机辅助设计与图形学学报 No．1 of Jan．2012 2012年1月 JournalComputer—Aided DesignComputerGraphics 结构化稀疏谱哈希索引 欧阳遄飞，张 寅，张 啸，邵 健，吴 飞 (浙江大学计算机学院杭州 310027) (chfouyang@gmail．com) 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 中图法分类号：TP391 Structured SparseSpectralHashing Xiao，ShaoJian，andWuFei 0uyangChuanfei，ZhangYin，Zhang 310027) (cofzPgPD，cDm户“fPrSci朋fP，Z^巧缸竹g魄i掣Prs的．H口刀gz^佣 effectiveindexesfor with featuresisessentialforthe Abstract：Constructing imageshigh—dimensional the of efficientretrievalof scaleof structure the features， large images．IVIotivatedby propertiesimage structured isintroduced intotraditional toboost sparseprincipalcomponentanalysis spectralhashing retrieval，whichiscalledstructured H)．S3Hisnot image sparsespectralhashing(S3 onlysimilarity butalsostructure resultsdemonstratethatS3H preserving preserving．Experimental outperforms other algorithms． componentanalysis；Laplacian Keywords：structure；sparse；hashing；principleeigenmap 从图像中可提取颜色、纹理和形状等成百上千 序查找所取得的查询效率[1]． 丰富的视觉特征，这些高维特征给图像的相似度学 为了解决上述算法局限性，研究人员提出了一 习和语义分析等后续处理带来了很大困难，为了解决 些以数据驱动(机器学习)为代表的索引算法，如位