基于哈希的图像检索

一、图像检索中哈希算法的使用过程：

1.在成绩管理系统中，我们知道学生的姓名和数学语文成绩，从数据中匹配这个记录，找到该学生，每次匹配需要比较姓名，数学成绩，语文成绩三个字段，数据维度较低，对于这种小量数据，我们可以线性匹配都可以解决。

2.小的图片数据库中，我们可以为每张图片加上标签，例如一张风景照，我么可以标记山，水，湖泊，房屋等等标签，我们搜索房屋关键字时，可以到数据库中去匹配，从而找到用户需要的图片。

3.但是在这个大数据时代，每天产生数以亿计的图片，并且对于图片这种高维数据，依然使用传统的方法已经很难解决检索问题。对于这种大规模数据的检索，近似近邻搜索可以达到很好的效果，它平衡了效率与准确率，使检索达到很好的效果。主要思想是，将每一张图片用一个相对较短的01编码表示，例如长度为64，128的编码，这个编码依然近似保持了图片空间的物理近邻关系。当用户上传一张图片时，使用哈希函数将它转化为01编码，然后计算这条编码与数据库中所有图片的编码进行距离计算（此时使用汉明距离计算）即是将该图片的二进制编码，与数据库中所有二进制编码进行异或运算，其中1的个数即为距离，对所有的距离进行排序，选择前100个距离最近的作为相近的图片，然后通过索引找到原始图片显示出来。

4.主要过程：

在做基于哈希的图像检索时，我使用cifar-10数据集，首先对该数据集提取gist特征，每张图片用一个向量表示，例如提取512个特征，则每张图片就使用一个512维的向量表示，一万张图片最后形成：10000*512的矩阵。将数据划分为训练集和测试集，训练集用来训练哈希函数。测试集用来测试查准率与查全率。根据训练集训练出哈希函数。将训练数据通过哈希函数转化为哈希函码，将测试数据转化为哈希码。计算测试数据到训练数据的距离，排序，选择距离最小的前100张图片，搜出来的100张图片就是近似近邻的图片。哈希码的形成过程如下图：

二、DSH哈希算法

密度敏感哈希可以看作时局部敏感哈希