26、图像检索与加密技术：提升准确性与安全性

图像检索与加密技术：提升准确性与安全性

1. 图像检索中的内容差异度量

1.1 非迭代与迭代方法

在图像检索中，为了更准确地比较图像特征，引入了内容差异度量（CDM）。首先考虑给定视觉词向量 (w_i) 的邻域 (N(i))，其由 (n_N) 个最近邻定义。邻域距离 (r(i)) 定义为视觉词向量 (w_i) 到其邻域向量的平均距离：
[r(i) = \frac{1}{n_N} \sum_{x \in N(i)} d(w_i, x)]
这个 (r(i)) 可以用图中的圆半径表示，它会为每个视觉词向量计算，并用于定义两个视觉词向量之间的第一个差异度量 (d^ (.,.))：
[d^ (w_i, w_j) = d(w_i, w_j) \frac{\overline{r}}{\sqrt{r(i)r(j)}}]
其中，(\overline{r}) 是所有 (r(i)) 的几何平均值。

迭代方法则是在新的差异矩阵上迭代更新 (d^*(.,.))，其目的是整合先前距离更新中的邻域修改。当满足停止准则 (S(k) - S(k + 1) < \epsilon) 时，算法终止，其中 (\epsilon) 是一个小的正数，(S(k)) 是迭代 (k) 时的某个累积值。在迭代过程中，需要维护一个累积距离校正项 (\delta_i^{(k)})。

1.2 计算 CDM 更新项的伪代码

以下是计算 CDM 更新项的伪代码：

Algorithm1.Compute CDM_update_terms (D, k