在对大批量数据进行图像处理的时候，比如说我提取SIFT特征，数据集为10W张图片，一个SIFT特征点是128维，一张图片提取出500个特征点，这样我们在处理的时候就是对5000万个128维的数据进行处理，这样处理所需要的耗时太长了，不符合实际生产的需要。我们需要用一种方法降低运算量，比如说降维。
看了一些论文，提到的较多的方法是LSH（Locality Sensitive Hash），就是局部敏感哈希。我们利用LSH方法在5000万个特征点中筛选出极少量的我们需要的特征点，在对这些极少量的数据进行计算，就可以得到我们想要的结果啦。
1 package com.demo.lsh;
2
3 import com.demo.config.Constant;
4 import com.demo.dao.FeatureDao;
5 import com.demo.dao.FeatureTableDao;
6 import com.demo.dao.HashTableDao;
7 import com.demo.entity.HashTable;
8 import com.demo.utils.MD5Util;
9 import com.demo.utils.MathUtil;
10 import org.opencv.core.Mat;
11 import org.springframework.util.StringUtils;
12
13 import java.io.*;
14 import java.security.MessageDigest;
15 import java.security.NoSuchAlgorithmException;
16 import java.util.*;
17
18 public class LSH {
19 //维度大小，例如对于sift特征来说就是128
20 private int dimention = Constant.DIMENTION;
21 //所需向量中元素可能的上限，譬如对于RGB来说，就是255
22 private int max = Constant.MAX;
23 //哈希表的数量，用于更大程度地削减false positive
24 private int hashCount = Constant.HASHCOUNT;
25 //LSH随机选取的采样位数，该值越小，则近似查找能力越大，但相应的false positive也越大；若该值等于size，则为由近似查找退化为精确匹配
26 private int bitCount = Constant.BITCOUNT;
27 //转化为01字符串之后的位数，等于max乘以dimensions
28 private int size = dimention * max;
29 //LSH哈希族，保存了随机采样点的INDEX
30 private int[][] hashFamily;
31 private HashTableDao hashTableDao;
32 /**
33 * 构造函数
34 */
35 public LSH(HashTableDao hashTableDao) {
36 this.hashTableDao = hashTableDao;
37 dimention = Constant.DIMENTION;
38 max = Constant.MAX;
39 hashCount = Constant.HASHCOUNT;
40 bitCount = Constant.BITCOUNT;
41 size = dimention * max;
42 hashFamily = new int[hashCount][bitCount];
43 generataHashFamily();
44 }
45
46 /**
47 * 生成随机的投影点 ，在程序第一次执行时生成。投影点可以理解为后面去数组的索引值
48 */
49 private void generataHashFamily() {
50 if (new File("/home/fanxuan/data/1.txt").exists()) {
51 try {
52 InputStream in = new FileInputStream("/home/fanxuan/data/1.txt");
53 ObjectInputStream oin = new ObjectInputStream(in);
54 hashFamily = (int[][]) (oin.readObject());
55 } catch (IOException e) {
56 e.printStackTrace();
57 } catch (ClassNotFoundException e) {
58 e.printStackTrace();
59 }
60 }else {
61 Random rd = new Random();
62 for (int i = 0; i < hashCount; i++) {
63 for (int j = 0; j < bitCount; j++) {
64 hashFamily[i][j] = rd.nextInt(size);
65 }
66 }
67 try {
68 OutputStream out = new FileOutputStream("/home/fanxuan/data/1.txt");
69 ObjectOutputStream oout = new ObjectOutputStream(out);
70 oout.writeObject(hashFamily);
71 } catch (FileNotFoundException e) {
72 e.printStackTrace();
73 } catch (IOException e) {
74 e.printStackTrace();
75 }
76 }
77 }
78
79 //将向量转化为二进制字符串，比如元素的最大范围255，则元素65就被转化为65个1以及190个0
80 private int[] unAray(int[] data) {
81 int unArayData[] = new int[size];
82 for (int i = 0; i < data.length; i++) {
83 for (int j = 0; j < data[i]; j++) {
84 unArayData[i * max + j] = 1;
85 }
86 }
87 return unArayData;
88 }
89
90 /**
91 * 将向量映射为LSH中的key
92 */
93 private String generateHashKey(int[] list, int hashNum) {
94 StringBuilder sb = new StringBuilder();
95 int[] tempData = unAray(list);
96 int[] hashedData = new int[bitCount];
97 //首先将向量转为二进制字符串
98 for (int i = 0; i < bitCount; i++) {
99 hashedData[i] = tempData[hashFamily[hashNum][i]];
100 sb.append(hashedData[i]);
101 }
102 //再用常规hash函数比如MD5对key进行压缩
103 MessageDigest messageDigest = null;
104 try{
105 messageDigest = MessageDigest.getInstance("MD5");
106 }catch (NoSuchAlgorithmException e) {
107
108 }
109 byte[] binary = sb.toString().getBytes();
110 byte[] hash = messageDigest.digest(binary);
111 String hashV = MD5Util.bufferToHex(hash);
112 return hashV;
113 }
114
115 /**
116 * 将Sift特征点转换为Hash存表
117 */
118 public void generateHashMap(String id, int[] vercotr, int featureId) {
119 for (int j = 0; j < hashCount; j++) {
120 String key = generateHashKey(vercotr, j);
121 HashTable hashTableUpdateOrAdd = new HashTable();
122 HashTable hashTable = hashTableDao.findHashTableByBucketId(key);
123 if (hashTable != null) {
124 String featureIdValue = hashTable.getFeatureId() + "," + featureId;
125 hashTableUpdateOrAdd.setFeatureId(featureIdValue);
126 hashTableUpdateOrAdd.setBucketId(key);
127 hashTableDao.updateHashTableFeatureId(hashTableUpdateOrAdd);
128 } else {
129 hashTableUpdateOrAdd.setBucketId(key);
130 hashTableUpdateOrAdd.setFeatureId(String.valueOf(featureId));
131 hashTableDao.insertHashTable(hashTableUpdateOrAdd);
132 }
133 }
134 }
135
136 // 查询与输入向量最接近（海明空间）的向量
137 public List<String> queryList(int[] data) {
138 List<String> result = new ArrayList<>();
139 for (int j = 0; j < hashCount; j++) {
140 String key = generateHashKey(data, j);
141 result.add(key);
142 HashTable hashTable = hashTableDao.findHashTableByBucketId(key);
143 if (!StringUtils.isEmpty(hashTable.getFeatureId())) {
144 String[] str = hashTable.getFeatureId().split(",");
145 for (String string : str) {
146 result.add(string);
147 }
148 }
149 }
150 return result;
151 }
152
153 }
1 package com.demo.config;
2
3 public class Constant {
4 //维度大小，例如对于sift特征来说就是128
5 public static final int DIMENTION = 128;
6 //所需向量中元素可能的上限，譬如对于RGB来说，就是255
7 public static final int MAX = 255;
8 //哈希表的数量，用于更大程度地削减false positive
9 public static final int HASHCOUNT = 12;
10 //LSH随机选取的采样位数，该值越小，则近似查找能力越大，但相应的false positive也越大；若该值等于size，则为由近似查找退化为精确匹配
11 public static final int BITCOUNT = 32;
12 }
简单的介绍下代码，构造函数LSH（）用来建立LSH对象，hashTableDao为数据表操作对象，不多说;因为局部敏感哈希依赖与一套随机数，每次产生的结果都不一致，所以我们需要在程序第一次运行的时候将随机数生成并固定下来，我采用的方法是存放在本地磁盘中，也可以存放在数据库中。generateHashMap（）方法为数据训练函数，int[] vercotr为特征向量，其他两个参数为我需要的标志位。queryList（）方法是筛选方法。
感谢http://grunt1223.iteye.com/blog/944894的文章。
原文地址：https://www.cnblogs.com/fx-blog/p/8227988.html
时间： 2024-11-08 23:49:25