[发明专利]云计算环境下基于倒排LSH的高维近似图象检索方法

说明书

本发明公开了一种云计算环境下基于倒排LSH的高维近似图象检索方法，属于基于大数据与移动应用领域。系统建立一种新的索引结构(LSRP‑tree),降低了高维索引代价，提高了查询效率；LSH与MapReduce结合形成的新算法(H‑c2kNN)表现出了良好的扩展性和高效性。这两种创新的应用解决了高维数据空间下的近似检索问题。采用了基于哈希冲突碰撞计数与排序的优化方法，极大地减小中间数据量而加快数据处理速度。本发明是利用智能移动平台来查找图片的系统，包括一组云端服务器和一个移动客户端，后者进行图片采集与传送，前者负责建立高维索引与执行kNN查询处理等。本发明切实有利的提高了大量图像的识别问题，满足人们对移动信息检索智能化的进一步渴求。

技术领域

本发明属于基于大规模时空数据处理与移动技术应用领域，涉及一种云计算环境下基于倒排LSH的高维近似图象检索方法

背景技术

现在网络基本覆盖了人们的生活，手机上网成为主要上网模式。截至2014年6月，我国网民上网设备中，手机使用率达83.4％，首次超越传统PC(使用台式机和笔记本)整体使用率80.9％，手机作为第一大上网终端设备的地位更加巩固。如今信息技术发展十分迅速，各种形式的信息数量也在迅速增长中，随着用户检索要求多样化复杂化，用户不再满足于简单的文字检索，而将图像作为一种重要的信息载体，日常生活当中充斥着丰富多样的图像信息。例如用户看到喜欢的漂亮头像，想找类似的头像、看到一款衣服或裙子，想找类似的款等等这种用文字表达不方便，而有图片参考的检索需求。

如今信息技术发展十分迅速，各种形式的信息数量也在迅速增长中，随着用户检索要求多样化复杂化，用户已不再满足于简单的文字检索，而更倾向图像这一信息检索。日常生活当中充斥着丰富多样的图像信息。例如用户看到喜欢的头像，想找类似的样式，或是看到一款衣服或裙子，想找类似的款试等等。这种情况用文字表达不方便，但用图片却能极快满足用户的检索需求。智能手机作为图像的采集器当然必不可少。根据新数据了解，2015年全球智能手机用户将达19.1亿，2016年该指数将增长12.6％达到21.6亿。智能手机将逐渐占领信息通讯市场。

那么，研究用户应该如何做到依据图像在这么多选择中快速地找到自己需要的信息，怎样提供一种快速有效的方法来进行图像检索已经成为当今图像检索领域的一个至关重要的研究热点。现有的研究工作中，通常的做法是先对图像的高维数据根据特定的方法(如图像中常用的sift算子)来提取高维特征，然后根据特征建立索引来加快查询速度。但不同的数据特征下，向量维数通常高达几十甚至几百维，而且每个维度的数据量都很大，这就要求高维索引结构具有较好的维度扩展性，即随着维数的增加，索引仍然能够保持较好的性能。遗憾的是，现在绝大多数传统的空间索引技术都会遇到维灾难等问题，比如Rtree与Voronoi等索引，总的来说，当前的高维特征索引技术存在以下不足：(1)大多数传统的索引结构扩展性差与遇到维灾难问题；(2)多数传统索引机制在划分数据空间时，对数据分布做了一定的假设(如均匀分布)，通常与数据的真实分布(如倾斜分布、Zipf分正态分布等)不同；(3)多数高维索引结构的空间和时间复杂度较高、精度较差。

发明内容

为了解决现有基于位置敏感哈希索引无法适应分布式索引，本发明提出了一种云计算环境下基于倒排LSH的高维近似图象检索方法，可以实现置敏感哈希索引适应分布式索引。

为了实现上述目的，本发明采用如下技术方案：一种云计算环境下基于倒排LSH的高维近似图象检索方法，包括步骤：客户端采集并提取图片特征，与云中心服务系统通信；云中心服务系统建立基于位置敏感哈希分布式倒排索引并查询与采集图片对应的近邻图像。

有益效果：由于云中心服务系统建立了基于倒排位置敏感哈希索引，使得位置敏感哈希索引可以适应分布式查询，使得本发明解决了信息量过大、所需信息与显示图片不符等问题，尽可能帮助使用者节省了检索与查询的时间。

附图说明

图1云计算环境下基于倒排位置敏感哈希索引的大规模高维图像检索的原理图；