面向社交网络图像快速检索的语义哈希算法研究

The rapid evolution of multimedia and internet lead to the explosive growing of images on the social web. The representation for image content has become varied and the social images often carry abundant context information, such as user group, descriptions, location and so on. Traditional content-based image hashing methods do not consider these information sufficiently, thus their performance for fast retrieval cannot meet the demand of users in practice. This proposal aims to explore hashing techniques towards fast social web image retrieval, and design image hashing methods with the ability of semantic representation to improve the performance of image retrieval. This proposal plans to employ a unified multi-kernel and multi-graph learning framework to model the different features of social web images, in order that the learned hash functions can capture the image content more accurately. By analyzing the contextual semantic information of social web images to assist the binary code learning procedure, we plan to explore the ways to increase the semantic discrimination of the codes. Finally, in order to obtain a better and more robust code, how to effectively aggregate the hash codes from different hashing methods is to be investigated, for increasing the accuracy of fast social image retrieval. This proposal can provide some theoretical and technical support for fast image retrieval on social web.

多媒体和网络技术的发展导致社交网络图像呈爆炸式增长，社交网络图像内容特征表现形式日趋多样并且携带有用户群组、描述、地点等丰富的上下文信息。传统基于内容的图像哈希算法未充分考虑这些信息，其快速检索性能往往无法满足用户的实际需求。本项目旨在研究面向社交网络图像快速检索的哈希方法，设计具有语义表达能力的图像哈希算法，提高社交网络图像哈希编码的语义检索能力。本项目拟研究利用多核与多图框架对社交网络图像的不同属性特征进行建模的方法，使得到的哈希函数能够更全面地反映图像内容特征；挖掘和分析网络图像的上下文语义信息，并将其嵌入到哈希函数的学习过程中，探讨提高图像哈希编码语义判别能力的途径；并拟对不同哈希算法输出的哈希编码进行集成学习，以期得到更有效、更鲁棒的图像哈希编码，提高图像快速检索的准确率。本项目的实施能够为社交网络图像的快速检索提供一定的理论和技术支持。

随着网络技术的迅猛发展，图像数据呈现爆炸式增长趋势，如何从海量的图像数据中快速找到用户感兴趣的信息就成了一项热门研究任务。图像语义哈希编码技术将高维图像数据特征保持相似性地映射到低维汉明空间，生成紧致的二进制哈希码进行图像表示和存储，在大规模网络图像检索方面非常高效。本项目针对传统图像哈希编码算法中哈希编码步骤固定、量化误差大、缺乏泛化能力、特征表示能力较弱等缺点展开了深入研究，并完成了以下主要研究内容：研究了基于随机变换和特征重构的图像哈希编码算法，在极大减小算法训练时间的情况下同时保证图像哈希编码的准确率；研究了基于区域深度卷积神经网络的图像特征提取和哈希编码算法，有效捕捉图像内部的局部结构一致性特征，从而获得更有判别力的图像哈希编码结果；研究了一种针对增量图像数据的在线哈希编码算法，根据不断更新的图像数据流进行哈希函数的迭代优化学习，满足实时在线大规模图像检索和泛化需求；研究了用于减小量化误差的图像哈希编码重构方法，减小最终图像哈希编码和原始图像之间的量化误差，最终提高图像哈希编码的判别能力，改善检索性能。在项目资助下，本课题相关理论成果共发表SCI期刊论文7篇，EI国际会议论文5篇。本项目的研究成果揭示了图像语义哈希编码技术中存在的图像特征有效表达、增量图像在线处理、减小编码量化误差等问题的方法规律，对于图像语义哈希编码算法在大规模网络图像检索中的广泛有效应用具有重要的学术理论价值和指导意义。