基于相关度距离的无监督并行哈希图像检索

杨 粟，欧阳智，杜逆索

（1.贵州省公共大数据重点实验室（贵州大学），贵阳 550025；2.贵州大学计算机科学与技术学院，贵阳 550025）

0 引言

基于内容的图像检索（Content Based Image Retrieval，CBIR）［1］是根据输入的查询图像，以图像语义特征为线索从图像数据库中检索出具有相似特性的其他图像。CBIR 主要利用图像视觉特征向量直接进行检索，通过计算图像特征向量之间的距离判定图像相似度，返回图像检索结果。在大规模图像检索领域，用近似最近邻搜索算法能提高检索速度，减少开销［2］。对于给定的一幅查询图像，传统的线性查找需要从庞大的数据库里快速找出相似图像，过于费时费力。K-D 树（K-Dimensional Tree，KD Tree）等［3］通过分割K维数据空间的优化算法并没有过多提高高维空间里的搜索效率，其效率甚至低于线性扫描，导致难以直接用于实际问题。近似最近邻搜索则在满足一定距离范围要求就能检索到高度相似的数据，帮助人们在海量数据中快速搜索到有效内容，因此在解决实际问题特别是图像检索领域受到广泛应用和研究。

哈希算法［4］是近似最近邻搜索中最为通用的算法之一。哈希算法在图像检索中将图像表示成一串紧凑的二进制码，使得相似的图像具有相似的二值码，即汉明距离尽可能小。图像哈希通过对高维的特征矢量进行哈希学习得到低维的二进制哈希编码，能够极大地降低计算及存储消耗。基于哈希的算法在图像检索中缓解了维数灾难，降低了图像检索系统对计算机内存空间的要求。……