原文服务方: 西安交通大学学报       
摘要:
针对目前哈希图像检索技术中多比特位量化方法通过将实数向量的每一维分别量化,割裂了实数向量各个维度之间联系的问题,提出了一种子空间自适应多位编码量化的哈希图像检索方法.该方法对一组实数做量化并且拓展到乘积空间,将实数向量划分为若干个数据子向量.由于子空间的方差和信息量大小呈正相关,该方法可根据子空间的方差计算并分配编码位数,使方差大的子空间拥有更长的编码位数,并且减小了因给不同的子空间分配相同的比特位而引起的信息损失,提高了编码的精度.在公开的图像数据集LabelMe和Flickr上的测试结果表明:与效果最优的同类方法相比,该方法使得量化误差下降了30%,检索结果的平均准确率提升了9.8%,说明可以通过减小量化误差来提升检索精度.
推荐文章
基于双线性迭代量化的哈希图像检索方法
哈希
图像检索
双线性
迭代量化
基于PCA的哈希图像检索算法
哈希
图像检索
主成分分析
流形学习
一种多尺度平衡深度哈希图像检索方法
多尺度
平衡性
深度哈希
卷积神经网络
图像检索
一种利用局部结构信息的加权哈希图像检索算法
投影函数
局部结构信息
迭代量化
平衡各维方差
图像检索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应多位编码量化的哈希图像检索方法
来源期刊 西安交通大学学报 学科
关键词 哈希图像检索 方差 数据子向量 自适应多位编码
年,卷(期) 2017,(8) 所属期刊栏目
研究方向 页码范围 19-25
页数 7页 分类号 TP391
字数 语种 中文
DOI 10.7652/xjtuxb201708004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 祝继华 西安交通大学软件学院 7 51 3.0 7.0
2 栾婷婷 西安交通大学软件学院 2 8 2.0 2.0
3 徐思雨 西安交通大学软件学院 4 11 2.0 3.0
4 王佳星 西安交通大学软件学院 3 9 2.0 3.0
5 庞善民 西安交通大学软件学院 2 6 1.0 2.0
6 蔡佳妮 西安交通大学软件学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (2)
参考文献  (10)
节点文献
引证文献  (5)
同被引文献  (43)
二级引证文献  (12)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(7)
  • 引证文献(2)
  • 二级引证文献(5)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
哈希图像检索
方差
数据子向量
自适应多位编码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
论文1v1指导