一种双重补偿的多表哈希图像检索方法与流程

技术特征：

1.一种双重补偿的多表哈希图像检索方法，其特征在于，包括以下步骤：

1)图像特征提取和类别信息处理；

2)哈希表训练；

3)根据哈希表将图像特征映射至汉明空间与类别权重计算；

4)根据查询，计算汉明距离，返回查询结果；

5)再排序操作。

2.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于：在步骤1)中，提取图像特征，并进行标签信息的处理，具体步骤如下：

1.1)使用gist算法提取图像特征，获取图像特征矩阵X，X＝d×n，n为数据集图片数量，d为特征维数，对X矩阵进行中心化操作；

1.2)将图像分成两个子集：有语义标签的数据划分成有标签的图像子集，其特征矩阵为X_l，无语义标签的数据划分成无标签的图像子集，其特征矩阵为X_u；

1.3)对于无标签数据集，计算其伪标签：对于每一个无标签图像，与所有的有标签图像计算gist特征的欧式距离，并取欧氏距离最近的20％的图像来对该无标签图像的可能的标签进行投票，取数量最多的标签作为该图像的伪标签，如果出现多个标签的数量相同，则任取一个。

3.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于，在步骤2)中，进行哈希表训练，具体如下：

获取m个哈希表，其中m是哈希表的数量，定义S矩阵，大小为n’×n’，n’为有标签图像的数量，初始化为：S_ij＝1时说明图像对(x_i,x_j)具有相同标签，S_ij＝-1时说明图像对(x_i,x_j)不具有相同标签；定义F为单个哈希表中哈希函数的数量，包括内外两重循环：

2.1)在这一部分说明外层循环的机制：对于当前的第t个哈希表,t＝1，…m，具体如下：

2.1.1)如果t＝1，则直接进入内层循环，否则计算第t-1个哈希表的错误并更新S矩阵，错误指的是：对于有标签的图像，具有相同标签的两个图像汉明距离大于δ，或者不同标签的两个图像汉明距离小于δ，其中δ是一个汉明距离的阈值，S矩阵的更新方法如下：

S^t+1＝S^t+c×ΔS^t

式中，S^t指的是第t个哈希表训练时使用的权重矩阵，并初始化S¹＝S，c是一个参数，影响S的变化速度，ΔS^t指的是权重调整的矩阵，定义如下：

${\mathrm{\ΔS}}_{ij}^t=\left\{\begin{array}{cc}1& d_H(x_i,x_j)\>\mathrm{\δ},S_{ij}^t\>0\\ -1& d_H(x_i,x_j)\<\mathrm{\δ},S_{ij}^t\<0\\ 0& otherwise\end{array}\right.$

式中，d_H(x_i,x_j)指的是图像(x_i,x_j)的汉明距离，使用第t-1个哈希表计算；

2.1.2)进入第t层内层循环，计算第t个哈希表；

2.1.3)如果t＝m，说明m个大小为F的哈希表训练完成，终止；否则t＝t+1，调至步骤2.1.1)；

2.2)第t层内层循环中，第k个哈希函数，k＝1,…,F，首先初始化X_tr＝X,具体如下：

2.2.1)计算M矩阵，

式中，λ是一个参数，用于防止过拟合；S^t,k指的是当前哈希函数使用的S矩阵，且S^t,1＝S^t；

2.2.2)对M矩阵进行特征分解，提取出特征值最大的特征向量w_t,k，合成第t个表第k个哈希函数：

2.2.3)去除X_tr数据中的冗余：

2.2.4)在S^t,k的基础上更新S^t,k+1：S^t,k+1＝S^t,k+ΔS^t,k，

${\mathrm{\ΔS}}_{ij}^{t,k}=\left\{\begin{array}{cc}{A}_{ij}& A_{ij}\>0,S_{ij}^{t,k}\>0\\ B_{ij}& B_{ij}\<0,S_{ij}^{t,k}\<0\\ 0& otherwise\end{array}\right.$

式中，A＝(αk-D_k)/2k,B＝(βk-D_k)/2k,α和β是两个参数，分别是控制相似和不相似的阈值；

2.2.5)如果k＝F的话当前内层循环结束，否则的话k＝k+1,调至步骤2.2.1)；

在步骤3)中，使用哈希函数将图像的特征矩阵X映射至汉明空间，获得m个大小为F×n的二进制矩阵H，其类别权重计算方法如下：

计算m个类别权重矩阵V，其中V矩阵大小为n_c×F，n_c是数据集标签种类的数量，V_t对应于第t个哈希表的类别权重矩阵，t＝1,2,…,m，其中第C个类别包括伪标签的第k个哈希函数的权重，对应于V_t矩阵的元素V_C,i，k＝1,2,…,F：

V_C,i＝max(c_-,c₊)/(c_-+c₊)

式中，c_-和c₊分别是第t个哈希表第k个哈希函数将类别C包括伪标签的图像映射至0和1的数量。

4.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于，在步骤4)中，进行初步的查询结果计算，具体步骤如下：

4.1)将查询映射至汉明空间，获取m个大小为F的汉明码；

4.2)对于每一个哈希表，计算查询与所有图像的汉明距离，按照汉明距离小于阈值thro，返回m个图像集，其中thro为设置的阈值，这将影响初步返回数据的数量。

5.根据权利要求1所述的一种双重补偿的多表哈希图像检索方法，其特征在于：在步骤5)中，根据步骤4)返回的结果进行再排序操作，具体步骤如下：

5.1)计算m个查询敏感权重向量Z_t，t＝1,2,…,m

$Z_t={\mathrm{\Σ}}_{x_i\∈R_t}{V}_t(l_i,:)/n_t$

式中，R_t是步骤4)中第t个哈希表的返回集，l_i作为R_t中图像x_i的标签，n_t是R_t中图像的数量；

5.2)计算查询与数据集所有数据的权重汉明距离，返回最终查询结果，其中对于查询q和图像x_i,其权重汉明距离计算方式如下：

$d_w(x_i,q)={\mathrm{\Σ}}_{t=1}^m{\mathrm{\Σ}}_{k=1}^K{Z}_t\left(k\right)\left(h_{t,k}\right(x_i)\⊕h_{t,k}(q\left)\right)$

式中，为xor操作；

返回d_w(x_i,q)<thro’的所有图像作为查询结果，其中thro’是设置的阈值，将决定最终的返回结果。