海量局部近似图像检索关键技术研究

Partial-duplicate image retrieval (PDIR) is the key technique for multimedia content supervision. It is a challenging problem to effectively discover the common visual patterns (CVPs) between partial-duplicate images and implement high-performance large-scale PDIR with CVPs. To improve the accuracy and scalability of large-scale PDIR without sacrificing efficiency, we plan to propose a fast and robust maximal clique-based CVPs discovery method, and utilize the information covered by CVPs to design contextual multi-level query expansions, visual vocabulary optimization and inverted index compression algorithms. Then we build the experimental system and test its performance with real large-scale network data. Our research can obtain a breakthrough in the key techniques of large-scale PDIR, and promote the development of multimedia content analysis and retrieval.

局部近似图像检索是实现多媒体内容管理的关键技术。如何通过有效地挖掘局部近似图像间共同视觉模式，并根据其信息实现高性能的海量局部近似图像检索，是亟待解决的技术难点和当前的研究热点。为了在保证时间性能的前提下提高海量局部近似图像检索的精度和扩展性，拟提出一种基于最大子图理论的快速鲁棒视觉模式挖掘算法，并结合视觉模式信息设计了上下文多级查询扩展算法，视觉词典优化方法和倒排索引压缩算法；在此基础上构建实验系统，在真实数据环境下验证系统性能。以期在海量局部近似图像检索的关键技术方面取得突破，从而促进多媒体内容分析与检索技术的发展。

本项目在执行过程中按照申请书和计划书的研究进展安排，未出现研究目标和研究内容的调整。同时，根据本领域的发展趋势，增加高维特征数据量化和多索引哈希技术研究。通过本项目的研究，使图像间共同视觉模式挖掘精度提升19.6%，挖掘速度提升2倍，局部近似图像检索精度提升12%-57.3%，系统处理海量数据的能力得到明显提高；在国际重要学术会议和期刊上发表高质量论文12篇。目前所有研究目标均已完成，研究成果在总参谋部、国家广电总局和安全中心的图像/视频内容管理系统中获得应用，为国家多媒体内容管理和版权保护等提供关键技术支持。