买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学;平湖市政务服务和数据资源管理办公室;浙江喆贞软件开发有限公司申请的专利一种基于中心映射的图像哈希检索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115221348B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210825667.X，技术领域涉及：G06F16/583；该发明授权一种基于中心映射的图像哈希检索方法是由肖波;梁峰铭;樊常林;邬妤琼;谭艳婷;周士飞;李烨设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于中心映射的图像哈希检索方法在说明书摘要公布了：本发明公开了一种基于中心映射的图像哈希检索方法，将图像转换为哈希码进行检索，存储和计算需求都比较小，提高了检索效率；使用深度模型将图像映射为哈希码，能够更好地提取图像特征，用比较少的比特数就能保留较多的语义信息；使用已经量化的哈希码作为学习目标，使最后量化带来的误差可以忽略不计，提高了哈希码的质量；使用特征中心映射的方式构建低维学习目标，使得图像在高维特征空间中的相似性信息能比较完整地保留到低维汉明空间中，检索结果更加准确；使用无监督的方式训练模型，大大减少了数据的标注成本，提高了本方法的使用范围。上述方法在装修图片查找中取得了较好的应用，能够更加快捷、直观地判断一张装修图片的装修程度。

本发明授权一种基于中心映射的图像哈希检索方法在权利要求书中公布了：1.一种基于中心映射的图像哈希检索方法，其特征在于，使用深度模型将图像映射为哈希码提取图像特征，将高维浮点向量特征聚类中心映射到低维汉明空间锚点，以图像在高维空间中的特征与聚类中心的距离和低维锚点为依据构建目标训练模型；在预测阶段，图像通过模型得到哈希码，按照哈希码间的汉明距离判断图片间的相似性；所述的基于中心映射的图像哈希检索方法，包括以下步骤： S1、构建数据集：按照7:2:1的比例划分为被检索库数据、训练数据和测试数据； S2、构建训练数据的特征集合：使用在ImageNet数据集上预训练过的CNN模型提取所有训练集图像的特征，这些特征构成一个训练集的特征集合S3、K‑means聚类，对S2中的特征集合进行K‑means聚类，得到训练集在高维特征空间中的K个聚类中心S4、按照S3中的聚类中心数量K，从Hadamard矩阵中任意选取K列作为低维汉明空间中的锚点，表示为矩阵形式S5、构建模型：使用若干层全连接层构建模型f·，其中第一层的输入维度等于S2中预训练CNN的输出大小，最后一层输出维度等于哈希码的比特数； S6、特征中心映射：将S2中得到的K个聚类中心与S3中得到的K个锚点一一对应，实现高维浮点向量特征聚类中心与低维汉明空间哈希码中心的映射； S7、构造训练目标：对于一张训练图像，使用S2中的CNN预训练网络得到特征xi,i＝1,2,…,n后，计算该特征与S3中得到的K个中心间的欧式距离： di,k＝distxi,ck＝‖xi‑ck‖2,k＝1,2,…,K取相反数并做SoftMax归一化后作为各中心对该样本的权重： wi＝softmax‑di按照S6中的映射关系对各低维汉明空间中的锚点H做加权平均；使用sign函数符号化后作为本样本在低维汉明空间中的训练目标： S8、训练模型：将模型输出与训练目标yi间的cosine距离作为损失训练网络，具体表示如下： S9、哈希码推理：对任一张图像，将其输入S2中的CNN模型得到高维浮点向量特征x，再将其输入S5中经过训练的模型并使用sign函数符号化后得到该图像对应的哈希码y： y＝signfx+12S10、图像检索：将被检索库中的图像和新图像按照S9中得到图像对应的哈希码并存储，计算新图像的哈希码与全部被检索库图像的哈希码之间的汉明距离，按照汉明距离升序排列后取汉明距离最小的前N个作为检索得到的相似图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学;平湖市政务服务和数据资源管理办公室;浙江喆贞软件开发有限公司，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。