题目：基于哈希的图像检索方法研究

随着互联网以及移动智能终端的快速发展，图像的数据量急速增加。图像检索作为一项互联网信息处理的主要任务，面临着由海量数据带来的挑战。传统的根据关键字的图像检索由于其局限性，在海量图像数据中并不适用。为了解决这个问题，基于内容的图像检索被提出，它不需要为图像标记关键字，依靠提取图像特征来表示图像。在图像检索时，若使用逐个比对取最近邻的方式，每次检索都需要遍历整个数据库。这种方法在海量数据的背景下，无法做到实时的检索。近年来，研究人员采用近似最近邻检索的思想，即放弃最近邻检索中的精度，换取高效的检索能力。近似近邻检索方法分为许多个研究方向，而哈希算法由于其占用索引空间少，检索速度快等优点，在相关研究领域得到了广泛的关注。在本文中，对基于哈希算法的图像检索进行了研究。论文的关注点集中在近似最近邻检索问题。针对于不同的应用场景和需求，近似最近邻检索有不同的目标和准则。本文根据这些准则，分别构建与之相对应的哈希算法。

保持欧氏距离是哈希算法中最常见的非监督目标。它要求哈希算法得到的哈希编码之间的汉明距离和原特征向量之间的欧氏距离具有一致性。本文分析了在这种准则下现有哈希方法的优缺点，并构建一种新的哈希算法，它即可以从训练数据中学习得到符合数据分布的哈希函数，又能够不断生成新的哈希函数以供建立多哈希表。完全根据图像特征向量的欧氏距离来检索并不能总是返回相同或相似内容的图像，因此，在训练哈希函数的过程中，加入类标等监督式的信息能够提升以语义相似度为准则时的检索效果。本文构造了一种利用图像类标信息学习哈希函数的监督式哈希方法，它具有线性形式的哈希函数，能够快速对图像进行索引。非监督检索中还有一类广泛使用的准则即k最近邻准则，它要求返回数据集中距离查询样本最近的k个样本。根据这种准则，本文设计了一个全新的相似度，并且证明它是一个半正定核函数。同时本文构建一个能够保持核函数值的哈希算法。将新的相似度和哈希算法相结合，论文构造了一种适用于k最近邻检索的哈希算法。