基于有监督哈希的肺结节CT图像检索

针对传统方法在面对大量肺部数据时检索效率不高的问题,提出了一种基于有监督哈希的肺结节CT图像检索方法。通过图像预处理建立肺结节图像库,并从灰度、形态、纹理方面提取图像多特征;利用监督信息构造哈希函数,将多特征映射为低维哈希码;根据设计的自适应权重计算图像相似度,并返回相似的肺结节图像。实验结果表明,该方法能有效地实现肺结节CT图像的快速检索,对查询病灶的良恶性分类精度达到了89.45%。

基于核函数的有监督哈希视频图像检索

在公安的电子物证检验工作中,经常会获取大量的影像、图像等信息,需要将这些信息与已掌握的视频图像内容进行比对,发现有价值的线索、证据。如果仅依靠人工检索,工作量巨大,耗时耗力,效率极低。这就需要开发出一套智能检索系统,通过使用一种高质量和高效率的大规模视频图像检索方法,准确、有效的关联出所需的视频图像内容。目前,常用的视频图像检索方法是哈希方法,被用来做相似性计算和检索。然而,现存的检索方法或者是缺乏足够好的性能,或者是陷入复杂的模型学习之中。文章提出了一种新的基于核函数的哈希模型应用于视频图像的人脸检索,该模型仅仅需要少量的监督信息,却能够在可行的训练时间下,获得高质量的哈希,有效提高检索质量和效率。

贪心非对称深度有监督哈希图像检索方法

近年来,深度有监督哈希检索方法已成功应用于众多图像检索系统中。但现有方法仍然存在一些不足:一是大部分深度哈希学习方法都采用对称策略来训练网络,但该策略训练通常比较耗时,难以用于大规模哈希学习过程;二是哈希学习过程中存在离散优化问题,现有方法将该问题进行松弛,但难以保证得到最优解。为解决上述问题,提出了一种贪心非对称深度有监督哈希图像检索方法,该方法将贪心算法和非对称策略的优势充分结合,进一步提高了哈希检索性能。在两个常用数据集上与17种先进方法进行比较。在CIFAR-10数据集上48 bit条件下,与性能最好的方法相比,mAP提高1.3%;在NUS-WIDE数据集上所有比特下,mAP平均提高2.3%。在两个数据集上的实验结果表明,该方法可以进一步提高哈希检索性能。

基于深度哈希的肺结节图像检索方法

肺结节CT图像的相似性检索中使用的特征通常依赖于手工提取的像素级别的图像特征的准确性与完整性,造成检索匹配精度低、检索速度慢等问题。为解决上述问题,提出一种基于深度哈希的肺结节CT图像检索方法,使用深度学习强大的数据处理能力对肺结节的语义级别特征进行深度提取,有效结合哈希算法,实现检索过程由粗到精的有效操作,返回最为相似的肺结节图像。实验结果表明了所提方法的有效性。

语义嵌入重构的跨模态哈希检索

针对大多数跨模态哈希检索方法仅通过分解相似矩阵或标签矩阵,从而导致标签语义信息利用不充分、标签矩阵分解过程语义信息丢失以及哈希码鉴别能力差的问题,提出了一种语义嵌入重构的跨模态哈希检索方法。该方法首先通过最小化标签成对距离和哈希码成对距离之间的距离差,从而将标签矩阵的成对相似性嵌入哈希码;接着对标签矩阵分解并重构学得共同子空间,共同子空间再回归生成哈希码,从而将标签矩阵的类别信息嵌入哈希码,并有效地控制标签矩阵分解过程的语义信息丢失情况,进一步提高哈希码的鉴别能力。在公开的三个基准数据集上进行了多个实验,实验结果验证了该方法的有效性。

语义相似性保持的判别式跨模态哈希

针对跨模态哈希检索方法中存在标签语义利用不充分,从而导致哈希码判别能力弱、检索精度低的问题,提出了一种语义相似性保持的判别式跨模态哈希方法。该方法将异构模态的特征数据投影到一个公共子空间,并结合多标签核判别分析方法将标签语义中的判别信息和潜在关联嵌入到公共子空间中;通过最小化公共子空间与哈希码之间的量化误差提高哈希码的判别能力;此外,利用标签构建语义相似性矩阵,并将语义相似性保留到所学的哈希码中,进一步提升哈希码的检索精度。在LabelMe、MIRFlickr-25k、NUS-WIDE三个基准数据集上进行了大量实验,其结果验证了该方法的有效性。

标签松弛回归的跨模态哈希检索

跨模态哈希检索方法因其检索效率高和有效已被广泛应用.大多数有监督哈希方法仅仅将标签信息转换为实例间的成对相似性却忽略了类别信息,这些方法不能使哈希码保留标签所反映的区分信息,从而影响了检索的准确性.为此,本文提出了一种新颖的有监督跨模态标签松弛回归哈希(LRRH)方法.该方法通过语义相似度矩阵保留了实例间的成对相似性,同时应用标签的类别信息生成哈希码;并通过将标签矩阵松弛为标签松弛变量矩阵,扩大不同类别之间的边距,以标签松弛回归使哈希码能更好地保留标签的类别信息,也为哈希码拟合标签提供更大的自由度与优化空间,这使学习到的哈希码具备更高的语义相似性和类别判别力;另外,在哈希码学习过程,引入正交与均衡约束以生成更高质量的哈希码.本文方法在LabelMe、MIRFlickr及NUS-WIDE这3个公开数据集上与近期跨模态哈希方法进行了实验比较,实验结果表明本文方法均取得最佳的MAP值,验证了本文方法的有效性.

基于图像分割的肺结节CT图像哈希检索

基于相似图像的肺结节CT图像检索辅助诊断对肺结节的发现有着重要的作用。肺结节的诊断难度较大,通常需要充分利用图像的边缘、分叶、毛刺、纹理等各类信息。文中针对目前基于哈希方法的肺结节检索中存在的不能充分利用图像分割信息从而导致部分信息丢失问题做出了改进,提出了一种基于图像分割的肺结节图像哈希检索方法。实验结果表明,在72位哈希码长度时,达到了85.3%的平均准确率。并且,将文中图像分割模块应用于其他哈希检索方法时,平均准确率皆有一定的提升。