一种利用神经网络计算图像哈希值的方法技术

本发明专利技术涉及一种利用神经网络计算图像哈希值的方法，属于图像处理领域

【技术实现步骤摘要】
一种利用神经网络计算图像哈希值的方法


[0001]本专利技术属于图像处理领域，具体涉及一种利用神经网络计算图像哈希值的方法
。

技术介绍

[0002]在档案管理中，图像是很重要的一类数据，而且数量巨大
。
在档案件所种，通常需要根据一幅图像，在图像数据库检索出与之相似的其他图像
。
随着图像库的不断增大，快速检索相似图像车改为人们需要解决的一个问题
。
[0003]一个解决方法就是首先计算图像的哈希值，哈希值是由0和1组成的位串，可以表示为长整数或字节数组，比较两个哈希值的差异就是计算两个哈希值中不同的位的数目，这个计算可以快速完成
。
因此，哈希值常用于图像检索
。
[0004]常规的图像哈希值是将图像缩小成8行8列或
16
行
16
列的小图像，然后计算小图像的离散余弦变换，将变换后的系数二值化
。
这种计算图像哈希值的方法利用的图像语义信息较少，检索结果不太理想
。
[0005]利用神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种利用神经网络计算图像哈希值的方法，其特征在于，该方法包括如下步骤：
S1、
图像特征提取步骤：选择一个已经训练好的图像分类神经网络，利用选择的图像分类神经网络，提取指定图像的高维特征；
S2、
图像特征压缩步骤：利用多幅图像的高维特征，训练一个自编码神经网络，压缩图像特征的维数，以得到图像的低维特征；
S3、
图像哈希值计算步骤：利用前述图像分类神经网络和自编码神经网络，选择自编码神经网络维数适当的中间层的输出，适当获得图像的低维特征，将低维特征二值化，得到图像的哈希值
。2.
如权利要求1所述的利用神经网络计算图像哈希值的方法，其特征在于，所述步骤
S1
中，图像分类神经网络为
AlexNet。3.
如权利要求1所述的利用神经网络计算图像哈希值的方法，其特征在于，所述步骤
S1
中，图像分类神经网络为
VggNet。4.
如权利要求1所述的利用神经网络计算图像哈希值的方法，其特征在于，所述步骤
S1
中，图像分类神经网络为
GoogLeNet。5.
如权利要求1所述的利用神经网络计算图像哈希值的方法，其特征在于，高维特征的维数不小于
1000。6.
如权利要求5所述的利用神经网络计算图像哈希值的方法，其特征在于，图像分类神经网络包括：卷积和池化层
、
全连接层和类概率层，前面若干层为卷积和池化层，后几层为全连接层，最后的全连接层的输出直接进入类概率层；一幅图像输入这些已经训练好的图像分类神经网络后，最后一个全连接层的输出就是图像的高维特征
。7.
如权利要求1‑6任一项所述的利用神经网络计算图像哈希值的方法，其特征在于，所述步骤
S2
中，自编码神经网络各层的节点数分别为：
N0,N1,N2,
…
,N
k
,N
k
...

【专利技术属性】
技术研发人员：李杨，秦立德，秦蕾，蒋遂平，张丹，
申请(专利权)人：北京航天爱威电子技术有限公司，
类型：发明
国别省市：