大规模多视角高维图像特征提取

Large scale multi-view high dimensional images have become an important part of big data. As many existing multi-view learning methods can only be used for small data sets and thus not suitable for large-scale multi-view high dimensional image, how to efficiently extract the large-scale multi view image features for recognition and retrieval is the current problems to be solved. In order to obtain the effective features and meet the needs of large data storage and fast search, we propose the idea of bilinear projection hash to develop multi-view discrete hash feature extraction theory and algorithm framework. The research of this project will further enrich the theory of large-scale multi view image feature extraction, and improve the effectiveness of feature extraction, and save the computation and storage space to meet the needs of large-scale image data processing. The research results of this project not only can be used for large-scale multi-view high dimensional image analysis, but also extended to the field of large-scale multi modal data, image feature extraction and data search, and thus generate great theoretical significance and wide application prospect.

大规模多视角高维图像已经成为大数据的重要组成部分。现有的多视角学习方法仅能用于小型数据集而不适用于大规模多视角高维图像，故如何高效地提取大规模多视角图像特征用于识别与检索是当前亟待解决的问题。为获得有效的特征并适应大数据的存储与快速搜索需求，我们提出双线性投影哈希的思想来发展多视角离散哈希特征提取理论与算法框架。本项目的研究将进一步丰富大规模多视角图像特征提取理论，提高特征提取的有效性并节省计算量与存储空间以适应大规模图像数据处理需求。本项目的研究成果不仅可用于大规模多视角高维图像分析领域，也可拓展到大规模多模态数据、大数据图像特征提取与搜索等领域，具有重要的理论意义和广泛的应用前景。

面对大规模多视角图像的处理及应用需求，现有哈希特征提取方法在模型建立方面的匮乏以及理论层面上的缺失，使之难以产生有效的特征表达，因此相关理论体系亟待完善与发展。现总结具体问题如下：.（1）现有哈希学习方法只通过考虑哈希函数的构造来学习二值特征编码，并没有把样本的判别信息加入特征学习过程，因此其判别能力与表达能力较弱，直接造成二值特征提取时大量的信息损失。.（2）哈希学习理论与方法尚处研究初期，相关理论体系有待完善，特别是国内外尚未报道有关多视角哈希学习、基于双线性投影学习的稀疏哈希特征提取方法。 .综上所述，有必要把多视角双线性投影学习理论拓展到以哈希表达为对象的分析中。因此针对现有哈希鉴别分析、哈希特征提取理论与算法存在的问题，本项目一方面解决多视角双线性投影学习理论向哈希学习理论拓展中出现的问题，另一方面通过引入离散逼近的学习策略来解决基于多视角双线性投影的哈希特征提取等问题。具体地，本项目将从以下方面展开研究，即利用小尺度二值矩阵来逼近双线性投影生成的实数值小尺度矩阵以获得最优的二值特征，同时通过对双线性投影矩阵增加多视角鉴别信息等约束来增强多视角哈希学习的鉴别性，以发展多视角图像哈希学习理论与算法，并由此形成统一的算法框架以适应大数据时代多视角高维图像特征学习与应用的需求。此外，本项目还将多视角哈希特征提取技术应用到其他的相关领域，以观察其特点及有效性，挖掘新的应用点。.本项目达到了如下研究目标：.（1）发展多视角哈希理论与方法，建立较完善的多视角哈希学习理论与算法框架，开发出集强鲁棒性与强鉴别力于一体的多视角哈希学习方法。.（2）在项目期间发表学术论文7篇。其中，在IEEE Transactions on Cybernetics 、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Image Processing、IEEE Transactions on Circuits and Systems for Video Technology和Pattern Recognition等国际权威杂志上发表论文5篇。.（3）培养博士后2名，硕士生1名。