基于哈希的跨模態(tài)檢索以其存儲(chǔ)消耗低、査詢(xún)速度快等優(yōu)點(diǎn)受到廣泛的關(guān)注?？缒B(tài)哈希學(xué)習(xí)的核心問(wèn)題是如何對(duì)不同模態(tài)數(shù)據(jù)進(jìn)行有效地共享語(yǔ)義空間嵌入學(xué)習(xí)。大多數(shù)算法在對(duì)多模態(tài)數(shù)據(jù)進(jìn)行共享空間嵌入的過(guò)程中忽略了特征表示的語(yǔ)義判別性，從而導(dǎo)致哈希碼表示的類(lèi)別區(qū)分性不強(qiáng)，降低了最近鄰搜索的準(zhǔn)確性和魯棒性。該文提出了基于語(yǔ)義耦合相關(guān)的判別式跨模態(tài)哈希特征表示學(xué)習(xí)算法。算法在模型的優(yōu)化目標(biāo)函數(shù)設(shè)計(jì)上綜合了線(xiàn)性判別分類(lèi)器的思想和跨模態(tài)相關(guān)性最大化思路，通過(guò)引入線(xiàn)性分類(lèi)器，使得各模態(tài)都能夠分別學(xué)習(xí)到各自具有判別性的二進(jìn)制哈希碼。同時(shí)利用耦合哈希表示在嵌人語(yǔ)義空間中最大化不同模態(tài)之間的相關(guān)性，不僅克服了把多種數(shù)據(jù)投影到一個(gè)共同嵌人語(yǔ)義空間的缺陷，而且能夠捕捉到不同模態(tài)之間的語(yǔ)義相關(guān)性。算法在Labelme以及NUS_WI三個(gè)基準(zhǔn)數(shù)據(jù)集上與最近相關(guān)的算法進(jìn)行了實(shí)驗(yàn)比較。實(shí)驗(yàn)結(jié)果表明該文提出的方法在檢索精度和計(jì)算效率上有明顯的優(yōu)勢(shì)。