[发明专利]一种基于相似性哈希的图像暗数据价值评估方法

权利要求书

1.一种基于相似性哈希的图像暗数据价值评估方法，其特征在于，包括以下步骤：

(1)获取暗数据集，并将该暗数据集输入训练好的DSTH模型中，以得到该暗数据集中每幅图像的哈希码；

(2)根据步骤(1)得到的暗数据集中每幅图像的哈希码构建哈希图谱，该哈希图谱中的节点就是图像的哈希码，节点之间的连接边是构建的邻接矩阵中的元素。

(3)获取步骤(2)得到的哈希图谱中每个节点的重要性分数；

(4)按照从大到小的顺序对步骤(3)得到的所有节点的重要性分数进行排序，将排序结果中前k位的重要性分数所对应的图像输出给用户，其中k为自然数。

2.一种基于相似性哈希的图像暗数据价值评估方法，其特征在于，包括以下步骤：

(1)获取暗数据集，并将该暗数据集输入训练好的DSTH模型中，以得到该暗数据集中每幅图像的哈希码；

(2)根据步骤(1)得到的暗数据集中每幅图像的哈希码构建哈希图谱，该哈希图谱中的节点就是图像的哈希码，节点之间的连接边是构建的邻接矩阵中的元素。

(3)获取步骤(2)得到的哈希图谱中每个节点的重要性分数；

(4)从用户接收代表待挖掘任务T的查询元组q，该查询元组中包括多个待查询图像及其对应的权重；

(5)根据查询元组q获取该查询元组的价值评分S(q)和重要程度T(q)，并将该价值评分S(q)和重要程度T(q)返回给用户。

3.根据权利要求1或2所述的图像暗数据价值评估方法，其特征在于，步骤(1)中的DSTH模型是通过以下步骤训练得来的：

(1-1)获取ImageNet数据集，使用该ImageNet数据集上训练的GoogLeNet作为网络模型对该ImageNet数据集进行特征提取；

(1-2)使用聚类算法并利用步骤(1-1)中提取到的特征构造图，利用拉普拉斯特征映射算法对构造的图进行降维处理；

(1-3)对步骤(1-2)降维处理后的结果进行二值化处理，以得到ImaggNet数据集的全部哈希标签；

(1-4)将ImageNet数据集输入卷积神经网络模型中进行迭代训练，以得到训练好的DSTH模型。

4.根据权利要求1或2所述的图像暗数据价值评估方法，其特征在于，步骤(1-2)中使用的聚类算法是K近邻算法，该K近邻算法中的K值为12。

5.根据权利要求1或2所述的图像暗数据价值评估方法，其特征在于，邻接矩阵中值等于-1的元素，就是表示在哈希图谱中，对应的两幅图像的哈希码之间没有连接边；邻接矩阵中值不等于-1的元素，就是表示在哈希图谱中，对应的两幅图像的哈希码之间具有连接边。

6.根据权利要求2所述的图像暗数据价值评估方法，其特征在于，步骤(2)中的邻接矩阵是通过以下步骤构建的：

(2-1)设置计数器i＝1；

(2-2)判断i是否小于暗数据集中的图像总数，如果是则进入步骤(2-3)，否则过程结束；

(2-3)设置计数器j＝1；

(2-4)判断j是否小于暗数据集中的图像总数，如果是则进入步骤(2-5)，否则设置i＝i+1，并返回步骤(2-2)；

(2-5)计算暗数据集中第i个图像的哈希码与第j个图像的哈希码之间的汉明距离，并判断该汉明距离是否小于预设阈值，如果是则设置邻接矩阵中元素M[i][j]的值等于该汉明距离，然后转入步骤(2-6)，否则设置邻接矩阵中元素M[i][j]的值等于-1，然后转入步骤(2-6)；

(2-6)设置j＝j+1，并返回步骤(2-4)。