基于分块离散余弦变换感知哈希算法与ResNet模型的供电安全图像管理

针对人工处理重复供电安全管控图像效率低的问题,在感知哈希算法(perceptual Hash algorithm,PHA)的基础上,给出了基于分块离散余弦变换(block discrete cosine transform,BDCT)的PHA,简称BDCT-PHA。采用BDCT-PHA进行图像去重操作,该算法可对经过JPEG压缩的图像进行处理,具有较高的去重准确率和较低的误判率。然后,改进ResNet网络结构并选择卷积神经网络(convolutional neural network,CNN)进行图像分类操作,先将图像转换为VOC数据集的格式,再对其训练,该方法防止了网络模型加深时出现的梯度消失现象,在减少计算量的同时提高了分类效率。仿真实验表明:提出的方法能够准确识别出重复图片,并标明相似的图像的编号,在对供电安全管控图像分类时,能够使损失函数值收敛在4.785%,分类准确率高达94.46%。