面向大规模图像检索的深度多尺度注意力哈希网络

针对现有哈希方法所存在的特征提取能力有限、量化约束机制低效等问题,提出一个深度多尺度注意力哈希网络进行大规模图像检索。整个网络由主分支和对象分支两个子网络组成。其中,在主分支网络中加入多尺度注意力定位和显著性区域提取两个模块,以有效定位和提取图像中的显著性区域,并将执行结果送入对象分支网络学习更为丰富的细节特征;同时,将两个子网络学习到的多粒度特征进行融合并执行二进制哈希编码;此外,引入三元组量化约束以减少量化误差,同时保持成对样本的相似度关系。为验证方法的有效性,文中在两个基准数据集上进行了广泛实验。实验结果表明,所提方法优于大部分现有的哈希检索方法。     

基于深度卷积神经网络和局部敏感哈希的图像检索

网络图像资源增长迅速,如何实现快速有效的大规模图像检索,成为当前研究的热点之一。深度神经网络对图片特征有很强的表达能力,利用典型深度卷积神经网络VGG16在预训练完成的模型上使用网络全连接层的输出提取待检索图像数据集的特征以建立索引,并采用局部敏感哈希算法提升检索速度,以端到端的形式,完成基于内容的图片检索任务。这种图像检索模型提供了一种在计算资源有限情况下实现大规模图像检索的有效方法。     

基于互信息解耦表示的跨域压力足迹图像检索

足迹作为人体生物特征之一,在生物识别领域具有重要意义,而同一对象的不同鞋型压力足迹图像在足迹轮廓特征上具有显著性差异,导致其类内差异大。针对压力足迹图像的跨域检索,文中提出了一种基于互信息解耦表示的跨域压力足迹图像检索方法。首先,构建了一个包含200人足迹图像的多域压力足迹数据集,从定性和定量两个角度分析跨域压力足迹图像的特点;其次,采用两个独立的编码器实现图像解耦模块,该模块将压力足迹图像解耦为域特定表示和域共享表示,通过域分类法保证域特定表示包含更多域相关的信息;然后,通过最小化互信息损失扩大域特定表示和域共享表示之间的距离,同时,为避免解耦过程中信息的丢失,基于域特定表示和域共享表示重构原始压力足迹图像;最后,通过特征提取模块进一步提取域共享表示的深层卷积特征,经过度量模块计算不同特征间的关联度,从而实现跨域压力足迹图像检索。对比及消融实验结果表明,该方法的解耦模块具有一定的有效性,在多域压力足迹数据集上的性能表现良好,首位查询结果的检索准确率达到79.83%,平均准确率达到65.48%。     

基于抗几何变换的离散深度哈希算法

现有的深度哈希算法首先利用连续松弛策略学习连续的近似码,然后通过量化运算将其转化为离散哈希码,导致哈希码出现次优问题.为了解决上述问题,提出了一种基于抗几何变换的离散深度哈希算法,利用抗几何变换和语义监督信息直接指导离散哈希码的学习.首先,本文将离散哈希码学习和深度特征学习集成在一个统一的网络框架中,利用语义监督来指导...     

安全鲁棒的图像感知哈希技术

为了对经过图像处理操作的图像内容进行准确认证，利用图像DCT低频系数的感知不变性生成了安全的哈希序列索引，用标准化后的DCT低频系数矩阵和基于密钥种子的随机数矩阵为数字图像生成哈希序列，研究分析了提出算法具有唯一性、鲁棒性和安全性的特性，实验结果表明，算法可以抵抗内容保持的修改操作，例如格式转换、中度几何变换和滤波失真等，具有较强的鲁棒性，同时算法具有较强的安全性，在同时得到伪随机序列生成器和密钥的情况下，才能获得图像的哈希值，另外，算法可为视觉近似图像生成相同或相近的400比特哈希值，且冲突率降低到10^08数量级，这种安全鲁棒的图像哈希方法可以用于数字图像认证和大量图像的数据库检索。     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.     

基于Swin Transformer的深度有监督哈希图像检索方法

在深度有监督哈希图像检索的特征提取过程中,一直由卷积神经网络架构主导,但是随着Transformer在视觉领域中的应用,Transformer替代卷积神经网络架构成为可能.为了解决现存基于Transformer的哈希方法中不能生成层次表示和计算复杂度高等问题,提出了一种基于Swin Transformer的深度有监督哈希图像检索方法.该方法以Swin Transformer网络模型为基础,在网络最后添加一个哈希层,为图像进行哈希编码.该模型中引入了局部思想和层级结构,能够有效解决上述问题.与现有的13种先进方法相比,所提方法的哈希检索性能得到大幅提升.在两个常用检索数据集CIFAR-10和NUS-WIDE上进行实验,实验结果表明：在CIFAR-10数据集上所提方法mAP最高达到98.4%,与TransHash方法相比平均提高7.1%,与VTS16-CSQ方法相比平均提高0.57%;在NUS-WIDE数据集上所提方法mAP最高达到93.6%,与TransHash方法相比平均提高18.61%,与VTS16-CSQ方法相比检索精度平均提高8.6%.     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

基于高斯公式的图像特征匹配算法研究

在基于内容的图像检索系统中,图像特征匹配是一个影响检索效率的重要算法.对提取的特征信息进行分析,并通过高斯公式对特征向量进行归一化处理,分析不同特征间的权值和相似性度量手段,将两种不同方式的检索手段有效地结合在一起,实现图像的有效检索.仿真结果表明,与传统的单一匹配算法相比,图像检索匹配度能得到较大的提高.     

基于内容的图像特征相关性检索方法

针对目前基于内容的图像检索系统在模型优化及通用性设计等方面的局限性，以图像单一特征描述和提取方法为基础，根据人机交互的相关反馈原理，分析图像组合特征归一化权值系数，提出一套图像特征相关性检索新方案，并在着重对基于内容的图像特征相关性检索算法研究基础上，参照国际标准MPEG－7所提供的通用性系统设计规范，对新方案下的图像检索通用模型进行概念设计，为解决基于内容的图像检索技术在Internet上实用化的瓶颈问题，提供一条新的思路，实验结果验证了新方案的合理性。     

基于注意力双分支网络的跨模态足迹检索

为了提高跨模态足迹检索精度,提出一种基于注意力双分支深度卷积神经网络的检索方法.该方法以赤足足迹的光学和压力2个模态图像为研究对象,采集并构建了一个包含138人5520幅足迹图像的跨模态检索数据集;在网络的特征提取模块采用ResNet50作为基础网络搭建双分支结构,并引入空间注意力机制,以提取各模态具有辨别性的特征;在网络的特征嵌入模块,通过部分参数共享学习跨模态共享空间;在双约束损失模块采用交叉熵损失(ID loss)和异质中心损失(HC loss)以增大跨模态足迹特征的类间差异,减小类内差异.实验结果表明:互检索模式下的平均精度均值(mAP)均值和Rank1均值分别为70.83％和87.50％,优于其他一些跨模态检索方法.采用注意力双分支网络模型能够有效进行跨模态足迹检索,可以为现场足迹对比鉴定等应用提供理论基础.     

基于内容的图像检索

本论文系统介绍了基于内容的图像检索技术。所谓基于内容的检索,就是查询时针对的是对象而不是标识,它需要从图像中提取指定的特征(如颜色、纹理、形状等),然后从图像库中检索相似的图像或者视频内容。由于基于内容的图像检索能够提供比传统的基于文本的图像检索更丰富的内容及实用的功能,因此已成为国际上的研究热点。本文结合用户感兴趣物体的颜色,形状和纹理信息进行图像检索,取得了良好的检索效果。     

基于声母和深度哈希的密文语音全文检索方法

为了实现基于内容的语音全文检索,提高语音检索性能,以及保障云端语音数据的隐私安全,提出了一种基于声母和深度哈希的密文语音全文检索方法.该方法将提出的基于汉语声母和元音的双向循环递归神经网络(RNN)-长短时记忆(LSTM)深度学习模型与语音感知哈希相结合,分别将加密语音和生成的哈希码上传至云端密文语音库和全文哈希索引表...     

基于融合分布图网络的触觉压力足迹分类方法

随着生物特征识别技术的发展,触觉压力足迹分类的研究得到越来越多的应用,而传统的分类方法比较耗费人力.针对触觉压力足迹分类,本研究提出了一种融合分布图网络的触觉压力足迹分类方法.首先通过嵌入模块提取触觉压力足迹图像的卷积特征并采用范数正则化方法得到样本相关性矩阵,再将样本与标签one-hot向量构成融合相关性矩阵,通过自...     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于小波变换的足迹图像融合技术

图像融合是获取完整足迹图像的关键,是后续足迹识别的基础。将足迹图像进行小波分解,得到低频近似图像和各级水平、垂直、对角高频细节图像,对低频图像和高频图像分别采用不同的融合规则,将融合后的各级小波系数进行小波逆变换,得到效果较好的融合图像。详细讨论不同小波滤波器、融合规则对足迹图像融合效果的影响,并对小波域融合算法与最大值法、平均法进行了比较。     

一种基于曲线匹配的印鉴图像自动检索方法

从汉字笔划横平竖直这一特点出发,提出了汉字图像中适合于印鉴图像检索的两种特征:汉字的外边缘轮廓和汉字的方向投影密度.进而用函数曲线对这两种特征进行量化描述,将对汉字的匹配归结为对函数曲线的匹配.最后通过实验验证了这两种特征的稳定性以及基于这两种特征的曲线匹配方法的有效性.