基于双倍比特量化与分段哈希索引的军事图像过滤

二进制码占用存储空间少且易于进行距离度量,因此很多研究者提出二进制量化方法把浮点型特征量化为二进制码,以实现大规模数据环境下的快速最近邻查询。但是,二进制量化会损失原始特征的信息量,使原始特征之间的相似性不能完全保持,导致查询精度降低。针对这一问题,提出双倍比特量化与分段哈希的近似查询索引。首先,设计了一种双倍比特量化方法,通过把特征的每一维数据量化为2个比特二进制码,增加特征之间的区分性;然后,针对双倍比特量化的二进制码提出双倍比特分段哈希索引,通过对二进制码分段并建立哈希索引的方式,提高查询速度。据此,设计了基于双倍比特量化与分段哈希索引的大规模军事图像过滤系统。实验表明,相比于Faster R-CNN+CNNH+MIH系统,本文方法可以使军事图像过滤精度提升5.4%。

双倍比特量化近似查询索引算法研究

本文提出双倍比特量化与非对称距离的近似查询索引。首先,设计了一种双倍比特量化方法,通过把特征的每一维数据量化为两个比特二进制码,增加特征之间的区分性。然后,研究了非对称距离算法,通过计算浮点型查询特征与特征库中二进制码的距离,对海明空间下的最近邻进行重排序,以提高索引的查询精度。基准数据集上的实验表明,双倍比特量化与非对称距离的方法使最近邻查询精度提高15%~25%。

基于双倍比特量化分类索引技术的图像检索研究

本文对图像数据进行双倍比特量化分类,增强了每个维度数据的差异程度。为了最大限度地提升量化后的查询精度,其间采用量化后比对结果和量化前的查询数据进行非等距计算,提高索引的查询精度。试验证明,最近邻查询的准确率较传统二进制映射中的双倍比特量化大大提高了性能。