移动视觉检索关键技术的研究

In the era of widespread mobile networks, the emerging mobile visual information retrieval poses unprecedented challenges on the mobile network computing and the traditional information retrieval. Even though much theoretical work and applications have been proposed recently, the research still lies in the primary stage, and several key technologies are soliciting deep discussion and solutions. In this project, we will study the key technologies of mobile visual retrieval from four perspectives, specifically, the content-based visual information retrieval, the query techniques in distributed spacing database, optimization of the query method to high-dimensional data, and the mobile retrieval based on the clouding platform. First, we focus on the research on visual information retrieval, during which we will mainly investigate the content analysis, the index construction and the query matching, etc. After that, we will further study the distributed querying method to spacing big data, thereby proposing the location-based spatial data retrieval. Moreover, in order to effectively tackle the catastrophic problem of high-dimensional data that caused by high-dimension of visual information and spacing, we will study the indexing mechanism of the distributed spacing database as well as optimizing the query method to high-dimensional skewed data. Finally, aiming to combine the research work of the above aspects, we will study the design of mobile visual information retrieval based on clouding platform, so as to acquire a clouding platform for mobile visual retrieval which possesses independent intellectual property and related innovative technologies. The study on this project will considerably enhance the competitive strength of our country in the field of mobile visual retrieval.

在移动互联网普及的时代，移动视觉检索的兴起为移动网络计算与传统信息检索带来了前所未有的挑战。虽然，该领域相关理论研究成果与应用成果相继提出，但其研究仍处于起步阶段，若干关键技术问题亟待深入的探讨与解决。 本项目拟从基于内容的视觉信息检索、基于分布式的空间大数据检索、高维数据索引及查询优化、移动视觉检索云平台设计，四个方面展开移动视觉检索关键技术的研究。首先针对视觉信息检索，重点研究内容分析，索引构建，查询匹配等方面的关键技术；其次，研究面向空间大数据的分布式检索策略，以实现基于位置信息的检索；再者，为了有效解决由视觉特征数据及空间数据的高维所带来的维数灾难问题，研究高维数据索引机制及查询优化技术。最终考虑以上内容的有效融合，研究移动视觉检索云平台的设计方案，形成一套具有自主知识产权的移动视觉检索云平台及相关创新性技术。通过本项目的研究，将进一步提升我国在移动视觉检索领域的核心竞争力。

近年来，随着移动互联网的广泛发展，基于移动设备的应用多种多样。如移动课堂、定位导航、医疗卫生等，其中移动视觉检索是一种非常重要的应用形式。借助移动视觉检索，人类视觉可以和无线网络相连，通过网络上巨大信息量的辅助，延伸人类对周围世界的认知。不过，虽然有不少移动视觉检索相关的研究工作，如何更有效地表示移动设备所获得的数据，如何更高效地把数据传输到服务器进行相应的处理并及时返回到移动设备，一直是该领域亟需解决的问题。. 围绕着以上两个关键问题，项目研究了移动视觉数据的高效表示、移动视觉数据的快速传输及检索以及分布式环境下海量数据的高效处理等。三个研究内容依次递进，互相依存，是一个有机的整体。在移动视觉数据的高效表示方面，项目提出了基于显著性的视觉图像表示，基于骨架的形状数据表示、基于电荷分布的形状数据表示、基于可视性的形状数据表示、图像的高效二进制表示等；在移动视觉数据的快速传输及检索方面，项目提出了移动视觉数据的渐进传输方案、基于哈希方法的移动图像检索、多种视觉特征的高效融合检索机制、轻量级的移动视觉图像检索方案等；在分布式环境下的海量数据的处理方面，项目提出了基于MapReduce的k-means++聚类算法、海量数据的快速近邻查询算法、并行可扩展的Skyline点查询算法、基于MapReduce的协同过滤推荐、海量高维数据的分布式哈希机制等。. 项目执行期间，依照计划循序渐进地开展各项研究内容，总体执行情况良好。最终取得了一些有意义的成果，较好地完成了本项目的预期目标，实际发表学术论文30篇，其中SCI检索论文14篇，IEEE/ACM Trans期刊3篇，本领域知名国际会议4篇，包括ICME、ACM MM等，EI检索论文16篇；参加30人次国际学术会议，做大会分组报告12人次，同时，担任国际会议组委会成员8人次；培养博士研究生5名，硕士研究生22名；完成了1套基于MapReduce分布式环境的移动视觉检索原型系统及实验验证平台。