[发明专利]酒店房型图像的排序方法

权利要求书

1.一种酒店房型图像的排序方法，其特征在于，包括以下步骤：

S₁、建立酒店房型图像的内容分类模型；

S₂、建立酒店房型图像的质量量化模型；

S₃、结合所述内容分类模型及所述质量量化模型对酒店房型图像进行排序；

步骤S₁包括：

S₁₁、收集多个图像，并生成第一图像训练集；

S₁₂、利用所述第一图像训练集训练基于深度神经网络的图像特征提取器；

S₁₃、收集酒店房型图像，并生成第二图像训练集；

其中，所述第二图像训练集中的所述酒店房型图像的内容为基于不同房型类别进行标注的内容；

S₁₄、利用所述第二图像训练集训练酒店房型图像的内容分类模型；

步骤S₂包括：

S₂₁、量化酒店房型图像的清晰度，获取图像的清晰度分数；

S₂₂、量化酒店房型图像的色彩丰富度；

S₂₃、结合所述清晰度分数及所述色彩丰富度得到酒店房型图像的质量分数；

步骤S₃包括：

S₃₁、利用步骤S₁建立的内容分类模型计算酒店房型图像所属的图像类别ID；

S₃₂、利用步骤S₂建立的质量量化模型计算酒店房型图像的质量分数；

S₃₃、结合所述图像类别ID和所述图像质量分数得到图像排序分数；图像排序分数＝图像类别ID*100+(100-质量分数)；

重复执行步骤S₃₁-S₃₃，计算所有酒店房型图像的图像排序分数，根据图像排序分数对酒店房型图像进行排序。

2.如权利要求1所述的酒店房型图像的排序方法，其特征在于，步骤S₁₂中所训练的深度神经网络为19层的VGG网络，包括16个卷积层和3个全连接层。

3.如权利要求2所述的酒店房型图像的排序方法，其特征在于，步骤S₁₂中所述图像特征提取器提取每张图像在所述VGG网络中特定层的输出值作为该张图像的特征。

4.如权利要求1所述的酒店房型图像的排序方法，其特征在于，步骤S₁₄包括：

S₁₄₁、将通过步骤S₁₃生成的所述第二图像训练集中的所有图像，利用步骤S₁₂训练得到的所述图像特征提取器进行特征提取；

S₁₄₂、利用通过步骤S₁₄₁提取到的所述第二图像训练集中的图像对应的图像特征和图像的类别，训练得到最优分类超平面，以对酒店房型图像的内容进行自动分类。

5.如权利要求1所述的酒店房型图像的排序方法，其特征在于，步骤S₂₁、包括：

S₂₁₁、对酒店房型图像进行高斯滤波得到滤波后的目标图像；

S₂₁₂、分别对所述酒店房型图像和所述目标图像进行拉普拉斯滤波；

S₂₁₃、计算所述酒店房型图像经过拉普拉斯滤波后图像的第一像素值方差，并计算所述目标图像经过拉普拉斯滤波后图像的第二像素值方差；

S₂₁₄、计算所述酒店房型图像的清晰度分数，计算公式为C＝(Var1-Var2)/Var1；其中，C表示清晰度分数，Var1表示所述第一像素值方差，Var2表示所述第二像素值方差。

6.如权利要求1所述的酒店房型图像的排序方法，其特征在于，在步骤S₂₂中，所述色彩丰富度与酒店房型图像的像素值方差呈正相关。

7.如权利要求5所述的酒店房型图像的排序方法，其特征在于，在步骤S₂₃中，根据步骤S₂₂中量化的色彩丰富度换算对应的惩罚系数，并计算酒店房型图像的质量分数，计算公式为Q＝(a*C)*100，其中Q表示质量分数，a表示惩罚系数。