面向CBIR应用的向量量化近邻搜索策略

摘要：

为解决硬向量量化方法编码效率低的问题,提出一种用于向量量化加速的近邻搜索策略,其设计思想是空间上近邻的输入向量可能具有相同的编码.在对输入向量进行编码时,计算当前输入向量与其邻居向量的欧氏距离,利用三角不等式关系快速推断当前输入向量与码值之间欧氏距离的下边界,如果当前输入向量与前一输入向量对应码值之间的欧氏距离不大于下边界,则可以跳过输入向量与所有码值之间的欧氏距离计算,提高运算效率.图像检索实验结果表明,与随机kd树、分层k均值树两种加速向量量化方法相比,该方法可以获得更高的检索查准率和编码效率.

关键词：向量量化、图像检索、近邻搜索、欧氏距离、码本

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：浙江省自然科学基金项目kb19283722;2016年度浙江省教育厅规划基金项目Y201635847

在线出版日期：2018-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3051-3055,3161