基于Gist特征和位置敏感的哈希算法LSH实现图像检索

编码实践

于 2023-06-28 22:07:01 发布

阅读量250

点赞数 1

CC 4.0 BY-SA版权

文章标签：哈希算法算法散列表 matlab

本文链接：https://blog.youkuaiyun.com/wellcoder/article/details/131445830

Matlab大神专栏收录该内容

164 篇文章 ¥99.90 ¥299.90

订阅专栏

本文介绍了通过结合Gist特征和局部敏感哈希（LSH）算法在MATLAB中实现图像检索的过程。利用MATLAB的Image Processing Toolbox提取图像的Gist特征，然后在LSH索引中存储哈希桶，实现相似图像的快速查找。通过LSH_hash()函数计算哈希值，完成相似图像的匹配，该方法在图像检索中具有高效率和准确性。

基于Gist特征和位置敏感的哈希算法LSH实现图像检索

LSH（Locality Sensitive Hashing）是一种快速图像检索的技术，它采用了哈希函数的思想，将相似的图像映射到相同的哈希桶中，从而实现快速查找。而Gist（简单边缘直方图）则是一种针对图像的特征提取算法，能够提取图像的大量信息。

本文将介绍一种使用Gist特征与位置敏感哈希算法LSH实现图像检索的方法，并提供相应的MATLAB代码。

首先，我们需要通过MATLAB的Image Processing Toolbox来提取图像的Gist特征。下面是代码示例：

img = imread('image.jpg'); %读取图像
gist = imresize(gistextract<

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

编码实践

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

【图像检索】基于gist特征与位置敏感的哈希算法LSH实现图像检索附matlab代码

qq_59747472的博客

06-17

580

众所周知，图像是互联网上一种重要的共享资源。通过一幅图像，人们可以描述不同的事物，表达不一样的情感。但由于近年来互联网上图像资源飞速增加，用户怎样从海量图库中获得自己想要的图像成为一个难题。图像检索技术就是为了解决这一问题。基于文本的图像检索技术采用人工对图像进行文字标注的方式用来描述图像，再通过关键字查询的方法来实现匹配图像。然而，文字标注工作量大，且人工标注主观性强，因此检索效果并不令人满意。随着人们对数字图像理解的不断加深，为了解决文本检索的种种缺点，研究人员提出了基于内容的图像检索。这相比基于文本的

基于GIST特征和位置敏感哈希算法LSH实现图像检索（附带Matlab代码）

带你成为别人眼中的大佬！

09-11

326

GIST（Generic Intelligent Scenery Textures）特征是一种用于图像表示的低维向量表示方法，它通过对图像的全局统计特征进行建模来描述图像的场景信息。在图像检索中，我们可以将GIST特征作为高维数据，利用LSH算法来加速相似图像的检索。在本文中，我们将介绍一种基于GIST特征和位置敏感哈希算法（LSH）的图像检索方法，并提供相应的Matlab代码实现。通过这种基于GIST特征和LSH算法的图像检索方法，我们能够快速找到与查询图像相似的图像。函数来提取图像的GIST特征，

参与评论您还未登录，请先登录后发表或查看评论

LSH 图像检索

08-10

the code from net,share with you: 获取图像库里所有图片文件的名称 Blue hills.jpg Lena.jpg myhand1.jpg myhand2.jpg Sunset.jpg Test2.jpg Test3.JPG Water lilies.jpg Winter.jpg 获取图像特征 0 36 82 115 132 164 200 142 129 119 54 1 198 141 101 64 43 65 124 200 197 186 2 104 40 25 34 81 88 56 108 131 199 3 142 56 43 61 117 121 107 160 120 200 4 46 67 80 104 200 193 90 66 59 43 5 121 110 141 149 200 195 171 144 123 116 6 99 125 116 88 68 82 99 141 200 104 7 200 178 175 151 154 183 156 159 164 177 8 131 161 192 199 181 182 186 174 147 129 获取随机点位将整数转换为01 特征值MD5压缩处理 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7

如何使用GIST+LIBLINEAR分类器提取CIFAR-10 dataset数据集中图像特征，并用测试数据进行实验

小鱼的专栏

03-03

1万+

上学期开了多媒体的课程，把其中一个课程设计实现的过程与大家分享。转载请注明出处，谢谢。这个课程设计是为了实现图像分类的整个过程，通过完成整个的工作过程，更好的理解图像分类这一概念，提高自己的理论与实践结合的能力。整个项目分为四大步：导入数据、特征提取部分、分类器训练部分、标签预测部分。根据课程，我们选择的数据集为CIFAR-10，特征提

图像检索1：LSH(Learning to Hash with its Application to Big Data Retrieval)

微风❤水墨

04-29

1365

Learning to Hash with its Application to Big Data Retrieval 课程结课作业，所以简单的介绍了LSH（局部敏感哈希）主要分以下几部分内容 1.Nearest Neighbor Search (Retrieval) 2.Two Stages of Hash Function Learning ...

GIST 空间包络特征推荐论文简介

最新发布

04-29

机器学习在这一过程中扮演着重要的角色，通过训练算法模型，计算机能够自动识别和匹配图像中的特征，从而实现对图像内容的理解和分析。其中，近似最近邻搜索算法是实现这一功能的关键技术之一。 KDTrees（K维树）是...

matlab gist,图像GIST特征和LMGIST包的python实现(有github)

weixin_31994237的博客

03-18

613

1什么是Gist特征(1) 一种宏观意义的场景特征描述 (2) 只识别“大街上有一些行人”这个场景，无需知道图像中在那些位置有多少人，或者有其他什么对象。 (3) Gist特征向量可以一定程度表征这种宏观场景特征 GIST定义下列五种对空间包络的描述方法空间包络名阐释自然度(Degree of Naturalness)场景如果包含高度的水平和垂直线，这表明该场景有明显的...

实习日记：图像检索算法 LSH 的总结与分析

weixin_30698297的博客

07-29

308

先贴上这两天刚出炉的C++代码。(利用 STL 偷了不少功夫，代码待优化) Head.h 1 #ifndef HEAD_H 2 #define HEAD_H 3 4 #include "D:\\LiYangGuang\\VSPRO\\MYLSH\\HashTable.h" 5 6 7 #include <iostream> 8 #includ...

matlab lsh,实习日记：图像检索算法 LSH 的总结与分析(matlab)

weixin_35814757的博客

03-22

593

最开始仿真和精度测试，基于 matlab 完成的。Demo_MakeTable.m (生成 Hash 表)%========================================%***********************************%******* 设定参数: *****************%******* l : hash表个数 ********%****...

基于哈希的图像检索（LSH，ITQ）matlab代码

04-13

哈希图像检索，包括LSH以及ITQ两种算法。之前帮网友做的，顺带分享一下。

MNIST数据集的gist特征提取

01-21

这些天处理图像检索的一些benchmark数据集，今天处理了MNIST数据集，并对其进行了特征的提取。我的方法可能不一定是最优，但是按照这样的步骤来做，得到了我最后想要的特征数据结果。需要的朋友可以参考下。最后的生成文件太大，因此放在http://pan.baidu.com/s/1gdQP3Ab。

在MATLAB下的gist特征提取及傅里叶变换

03-22

内含完全代码以及函数，测试有效，拥有完整备注

机器学习——gist特征

图南zzz

01-07

6216

gist特征 gist特征是一个全局特征信息，借助Gabor滤波，在m个尺度，n个方向上进行卷积，得到mn个特征来描述图像 14.1 图像中的傅里叶变换傅里叶变换可以看作是棱镜，能够将函数基于频率分解为不同的成分表征图像描述属性频率f 类似于亮度幅值A 类似于对比度，图像中最亮和最暗的峰值之间的差相位γ 原始波形，表示三角函数的偏移量傅里叶变换编码就是一系列的正弦函数编码，频率从0到最高对图像中的所有频率进行编码一个只包含一个频率f1的信号在频谱上横坐标f为f

MNIST数据集的gist特征提取（含全部实例代码下载地址）

小胖子的博客

01-21

1万+

这些天处理图像检索的一些benchmark数据集，今天处理了MNIST数据集，并对其进行了特征的提取。我的方法可能不一定是最优，但是按照这样的步骤来做，得到了我最后想要的特征数据结果。需要的朋友可以参考下。（MNIST数据集介绍官网：http://yann.lecun.com/exdb/mnist/，如果对这个数据集中的数据形式不了解，建议可以看一下） 1. 首先，通过官网我

图像工作回顾之四：图像检索

qiansen的专栏

01-22

1399

2007年在创业公司做基于内容的图像检索，用于互联网的电子商务，可惜那时的电商和移动互联网还没火起来。换做这两年，也许就被google或baidu收购了。花点时间复原出原来程序的样子，实现了基于颜色（Histogram/Color Structure/Dominant Color）、形状（Haar Wavelet/Contour Based Shape Descriptor）、纹理（Homo

基于图像gist特征的NWPU-RESISC45数据分类实战

Together_CZ的博客

01-12

2097

gist特征也是我第一次听说，之前在使用机器学习模型来进行图像分类的时候，要么是使用LBP、HOG之类的特征提取算法来计算对应的特征数据，要么是直接将深度学习和机器学习做集成，深度学习扮演特征提取计算的角色，机器学习扮演最终的分类器。什么是gist特征呢？这是最近需要用到了就来简单学习了下： GIST概念最初源自1979年Friedman A的论文，后于2001年被Oliva等人借用来代指空间包络特征，随后就是2003年由Torralba等人的继续研究。 GIST的概念起源：Fr

基于可学习特征的图像匹配综述(Image Matching Based on Learnable Features: A Survey)

qq_37662375的博客

05-16

2204

图像匹配综述中基于深度特征的部分

图像检索传统算法学习笔记

Puremelo

11-09

6048

图像检索领域传统算法学习笔记（与组内同学一起找到的一些图像检索传统算法，作一小结，以防忘记）性能统计: 传统图像检索算法 CIFAR-10数据集mAP值（编码数不同） LSH局部敏感哈希 0.116-0.131 SH谱哈希 0.124-0.126 ...

MATLAB实现Gist特征图像检索软件工具

Gist描述子是一种用于图像识别和检索的全局特征描述符，它能在一定程度上捕捉到图像的结构信息，并用于图像内容的相似性比较。Gist描述子的提出主要来源于地理视觉系统的灵感，其核心思想是提取图像的多尺度方向性...