基于圖像哈希的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測系統(tǒng)

陳毅鏵，陳震海，譚榮慶

（廣西師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院，桂林541004）

0 引言

隨著互聯(lián)網(wǎng)和多媒體技術(shù)的發(fā)展，網(wǎng)絡(luò)社交已經(jīng)成為人們生活中不可或缺的一部分。在社交網(wǎng)絡(luò)中，每時(shí)每刻都有大量的信息被上傳，奪人眼球的標(biāo)題配上富有沖擊力的圖片就有機(jī)會(huì)吸引大量熱度。熱點(diǎn)事件通常會(huì)引爆社會(huì)輿情輿論，虛假的事件不僅會(huì)中傷他人還會(huì)對(duì)社會(huì)造成負(fù)面影響。利用感知圖像哈希算法檢索一段時(shí)間內(nèi)的相似圖像，如果相似圖片數(shù)量超過閾值，就可以認(rèn)為包含這些圖像的信息變成了熱點(diǎn)事件。根據(jù)此原理，社交網(wǎng)絡(luò)管理者能夠快速判定并處理熱點(diǎn)事件，有效控制負(fù)面的熱點(diǎn)事件破壞社會(huì)的和諧。

熱點(diǎn)事件往往伴隨大量的圖片編輯修改和轉(zhuǎn)發(fā)，因此可使用圖像哈希算法檢測社交網(wǎng)絡(luò)中的熱點(diǎn)事件。圖像哈希算法是將數(shù)字圖像映射成一串短小的數(shù)字序列即圖像哈希序列，數(shù)字圖像可以用這串?dāng)?shù)字序列唯一表示。從本質(zhì)上看，圖像哈希反映了數(shù)字圖像的視覺內(nèi)容，視覺內(nèi)容相似的圖像具有相同或相似的哈希序列。采集某一時(shí)間段內(nèi)用戶上傳的圖像，視覺內(nèi)容相似的圖像越多，則說明與圖像關(guān)聯(lián)的事件熱度越高，如果熱度超過系統(tǒng)預(yù)先設(shè)置的閾值，則認(rèn)為這批圖像關(guān)聯(lián)的事件為熱點(diǎn)事件，反之，則為一般事件。

本文使用Python 語言實(shí)現(xiàn)基于不變特性的彩色圖像哈希算法[1]，并利用該算法開發(fā)了一個(gè)高效的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測軟件。該軟件界面美觀，操作方便，實(shí)現(xiàn)了單熱點(diǎn)事件檢測和多熱點(diǎn)事件檢測的功能。

1 軟件設(shè)計(jì)

本文設(shè)計(jì)的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測軟件能夠快速定位熱點(diǎn)事件。該軟件將接收圖像作為輸入，計(jì)算其圖像哈希，并通過圖像間的相似度來檢測社交網(wǎng)絡(luò)熱點(diǎn)事件，最后將檢測結(jié)果輸出。軟件主要包含圖像采集、單熱點(diǎn)事件檢測、多熱點(diǎn)事件檢測和設(shè)置共四個(gè)功能模塊，功能模塊圖如圖1 所示。

軟件模塊的功能介紹如下。①圖像采集：從社交網(wǎng)絡(luò)中采集公開的圖像數(shù)據(jù)。②單熱點(diǎn)事件檢測：選擇單幅圖像作為檢測源，并與本地圖像庫中的圖像數(shù)據(jù)逐一比較相似度，最后顯示檢測源的熱度并保存。③多熱點(diǎn)事件檢測：選擇多幅圖像作為檢測源，并與本地圖像庫中的圖像數(shù)據(jù)逐一比較相似度，最后顯示檢測源的熱度并保存。④系統(tǒng)設(shè)置：修改相似圖像判定閾值、熱點(diǎn)事件熱度判定閾值，并能夠恢復(fù)默認(rèn)設(shè)置。

2 軟件處理流程

軟件使用網(wǎng)絡(luò)爬蟲程序采集社交網(wǎng)絡(luò)中的公開圖像，其處理流程如圖2 所示。用戶設(shè)置采集時(shí)長后即可啟動(dòng)采集任務(wù)，軟件將從社交網(wǎng)絡(luò)中采集公開的圖像保存至預(yù)設(shè)的文件夾下，同時(shí)將圖像的發(fā)布者、關(guān)聯(lián)事件內(nèi)容、圖像本地路徑、發(fā)布時(shí)間等信息被存儲(chǔ)在內(nèi)存中，任務(wù)完成后以JSON 格式保存到預(yù)設(shè)的路徑。

圖2 圖像采集處理流程

軟件的單熱點(diǎn)事件檢測的處理流程如圖3 所示。用戶選擇一幅圖像作為檢測源，系統(tǒng)按照預(yù)設(shè)的參數(shù)使用圖像哈希算法計(jì)算檢測源哈希，并與本地圖像庫中的圖片逐一比較，最后根據(jù)檢測源熱度判斷與檢測源關(guān)聯(lián)的事件是否為熱點(diǎn)事件。

圖3 單熱點(diǎn)事件檢測處理流程

軟件的多熱點(diǎn)事件檢測的處理流程如圖4 所示。用戶選擇多幅圖像作為檢測源，系統(tǒng)按照預(yù)設(shè)的參數(shù)使用圖像哈希算法計(jì)算檢測源哈希并關(guān)聯(lián)檢測源間的相似圖像，檢測源自關(guān)聯(lián)后與本地圖像庫中的圖片逐一比較，最后根據(jù)檢測源自關(guān)聯(lián)熱度判斷與檢測源關(guān)聯(lián)的事件是否為熱點(diǎn)事件。

圖4 多熱點(diǎn)事件檢測處理流程

3 軟件核心算法

本文使用一種基于不變特性的彩色圖像哈希算法計(jì)算圖像哈希，算法處理過程如圖5 所示。該算法由以下三個(gè)步驟組成：首先是圖像預(yù)處理，將輸入圖像轉(zhuǎn)化為統(tǒng)一規(guī)格的標(biāo)準(zhǔn)圖像，這一步的目的是保證不同分辨率圖像的哈希序列長度相同；然后將預(yù)處理后的圖像從RGB顏色空間分別轉(zhuǎn)換到HIS顏色空間和YCbCr顏色空間。最后，依次從顏色空間的各個(gè)分量上提取特征生成圖像哈希。

圖5 算法處理過程示意圖

3.1 圖像預(yù)處理

對(duì)輸入的圖像統(tǒng)一進(jìn)行歸一化處理。為了減少高頻成分以及緩解輕微的圖像修改所帶來的哈希值的改變，使用雙線性插值算法將輸入圖像大小調(diào)整為m×m，并利用高斯低通濾波器平滑圖像。通過以上預(yù)處理可以確保任意圖像的哈希值長度相同并能夠抵抗縮放攻擊。

3.2 圖像顏色空間轉(zhuǎn)換

為了提取到魯棒性更強(qiáng)的圖像特征，將彩色圖像從RGB顏色空間轉(zhuǎn)換為HSI顏色空間。其中R、G、B分別是紅、綠、藍(lán)分量，其取值范圍均為[0,255]，可通過以下公式將圖像從RGB顏色空間轉(zhuǎn)換到HSI顏色空間：

其中，H、S、I分別代表色調(diào)、飽和度和明度信息，min(R,G,B)表示R、G和B中的最小值，角度θ的定義為：

另外，考慮到常用的JPEG 圖像文件格式均釆用YCbCr 顏色空間，因此也將RGB 彩色圖像轉(zhuǎn)換到Y(jié)Cb?Cr 顏色空間。該操作的目的是使提取到的圖像特征能抵抗壓縮操作，其轉(zhuǎn)換公式如下所示。

其中，Y、Cb和Cr分別代表像素的亮度、藍(lán)色色差和紅色色差。至此，一共提取到圖像的6 個(gè)顏色分量[3]。

3.3 特征提取

不變矩最早由Hu[1]提出，對(duì)平移、伸縮、鏡像和旋轉(zhuǎn)等操作具有不變性。通常，一幅圖像的不變矩描述了該圖像的全局形狀特征，并提供了關(guān)于該圖像的大量的、不同類型的幾何特征信息，例如大小、位置和方向等。本文選取不變矩作為圖像特征，主要考慮不變矩具有旋轉(zhuǎn)不變性，目的是使圖像對(duì)旋轉(zhuǎn)變換穩(wěn)健。

對(duì)于一幅大小為M×N的灰度圖像，設(shè)f(x,y)為第x 行第y 列的像素灰度值，其中，0 ≤x≤M，0 ≤y≤N。于是，圖像的七個(gè)不變矩可通過下列公式計(jì)算得到：

其中，歸一化(p+q)階中心矩ηpq(p,q=0,1,2,…)定義為：

其中，γ的計(jì)算公式為：

而相應(yīng)的中心矩μpq則由下列公式計(jì)算得到：

其中：

而Mpq則是圖像的( )

p+q階矩，定義如下：

對(duì)于圖像的每個(gè)顏色分量，分別用公式（4）～（10）提取七個(gè)不變矩。依次連接六個(gè)不同顏色分量的不變矩，即可得到最終的圖像哈希序列。因此，基于不變矩的算法的哈希序列長度為42 個(gè)十進(jìn)制數(shù)。

3.4 圖像相似度比較

比較圖像哈希序列的相似度有多種方法，例如：L2范數(shù)、漢明距離、相關(guān)系數(shù)、最大最小比值法等。本文采用L2范數(shù)作為距離測度，用于判定圖像哈希序列的相似性。L2范數(shù)的定義如下：

其中，h1(l)和h2(l)分別的h1和h2的第l位哈希值，N 為哈希長度。兩幅圖像越相似，其對(duì)應(yīng)圖像哈希的L2范數(shù)就越??；反之就越大。如果兩個(gè)圖像哈希的L2范數(shù)小于閾值T，則兩幅圖像的視覺內(nèi)容相似；否則，認(rèn)為是不同圖像或存在重要視覺內(nèi)容差異。

3.5 熱點(diǎn)事件判定

一般，網(wǎng)絡(luò)熱門圖像與熱點(diǎn)事件息息相關(guān)，且與事件熱度成正比關(guān)系，而熱點(diǎn)事件判定是依據(jù)用戶評(píng)論數(shù)、轉(zhuǎn)發(fā)次數(shù)、圖像重復(fù)上傳次數(shù)等信息。由于網(wǎng)絡(luò)平臺(tái)會(huì)對(duì)熱點(diǎn)事件進(jìn)行大量的推送以及用戶對(duì)熱門圖像的轉(zhuǎn)發(fā)，故熱點(diǎn)事件可以通過同一個(gè)或者同一組圖像在不同用戶重復(fù)上傳的次數(shù)判定。因此，采用網(wǎng)絡(luò)爬蟲技術(shù)采集一段時(shí)間內(nèi)的用戶圖像到本地圖像庫中，被檢測圖像的哈希與本地圖像庫的哈希逐一進(jìn)行相似度比較時(shí)，若檢測到一幅相似圖像則將其的熱度值增加一個(gè)單位值，否則不增加。比較結(jié)束后，逐一對(duì)圖像的熱度值進(jìn)行判斷，若達(dá)到或者超過預(yù)先設(shè)定的閾值Thot，可以認(rèn)為其關(guān)聯(lián)的事件是社交網(wǎng)絡(luò)熱點(diǎn)事件，否則是一般事件。

4 軟件功能驗(yàn)證

本文設(shè)計(jì)的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測軟件使用Py?thon 語言在JetBrains PyCharm 環(huán)境下設(shè)計(jì)并實(shí)現(xiàn)。軟件用戶圖形界面使用PyQt5 工具包構(gòu)造，使用OpenCV3 庫和NumPy 庫處理數(shù)字圖像。該軟件的運(yùn)行界面如圖5 所示。

主界面為用戶提供功能的選擇。主界面最上方是軟件名稱；軟件名稱下方是四個(gè)Button 控件，分別用于進(jìn)行圖像采集、系統(tǒng)算法參數(shù)設(shè)置、單熱點(diǎn)事件檢測以及多熱點(diǎn)事件檢測。下面分別對(duì)“圖像采集”、“單熱點(diǎn)事件檢測”以及“多熱點(diǎn)事件檢測”功能模塊進(jìn)行測試。

圖5 軟件主界面

圖像采集界面如圖6 所示。選擇圖像采集的時(shí)長后點(diǎn)擊“開始采集”按鈕即可開始圖像的采集。圖像采集的進(jìn)度通過進(jìn)度條控件進(jìn)行顯示，采集結(jié)束后會(huì)將采集到的圖像存儲(chǔ)在系統(tǒng)預(yù)設(shè)的目錄下，圖像的相關(guān)信息則以JSON 文件方式保存在同一目錄下。點(diǎn)擊“查看信息”按鈕即可查看采集到的圖像信息。

圖6 圖像采集界面

單熱點(diǎn)事件檢測界面如圖7 所示。單擊“選擇圖片”按鈕，在打開的對(duì)話框中選擇將要進(jìn)行檢測的數(shù)字圖像，確定后，左側(cè)Label 控件上顯示所選圖像的縮略圖，同時(shí)，系統(tǒng)將自行計(jì)算該幅數(shù)字圖像的圖像哈希序列并以文字形式顯示在上面的Text Browser 控件中；接著，單擊“選擇文件夾”按鈕，在彈出的對(duì)話框中選擇包含數(shù)字圖像的文件夾；選擇好文件夾后，單擊“計(jì)算哈?！卑粹o進(jìn)行多幅數(shù)字圖像哈希計(jì)算，運(yùn)算的結(jié)果以JSON 文件的形式存儲(chǔ)在當(dāng)前選擇的文件夾下；然后，單擊“單個(gè)檢測”按鈕開始檢測，檢測的進(jìn)度通過Pro?cess bar 控件進(jìn)行顯示，檢測結(jié)束時(shí)Process bar 控件數(shù)值顯示為100%，同時(shí)檢測結(jié)果以文字形式顯示顯示在下面的Text Browser 控件中，如圖8 所示。

圖7 單熱點(diǎn)事件檢測界面

圖8 單熱點(diǎn)事件檢測結(jié)果

多熱點(diǎn)事件檢測界面如圖9 所示。單擊“選擇文件夾”按鈕，在打開的對(duì)話框中選擇將要檢測的多個(gè)圖像所在的文件夾；選擇完成后，點(diǎn)擊“計(jì)算圖像哈?！卑粹o進(jìn)行多幅數(shù)字圖像哈希計(jì)算，并以JSON 文件方式存儲(chǔ)在前面所選擇的文件夾內(nèi)；然后，點(diǎn)擊“多圖像相似檢測”按鈕進(jìn)行多圖像相似檢測，其檢測的結(jié)果以JSON 文件方式存儲(chǔ)在前面所選擇的文件夾內(nèi)；最后，點(diǎn)擊“檢測結(jié)果顯示”按鈕，會(huì)彈出一個(gè)Result View 對(duì)話框，如圖10 所示。在Result View 對(duì)話框中，單擊“選擇文件”按鈕，在打開的對(duì)話框選擇已經(jīng)檢測過的文件夾即文件內(nèi)的圖像已經(jīng)執(zhí)行過“多熱點(diǎn)事件檢測”功能，檢測的結(jié)果將會(huì)在Table Widgets 控件中顯示，如圖11 所示。圖像的熱度若達(dá)到或超過閾值Thot，其關(guān)聯(lián)的事件可認(rèn)為是一個(gè)熱點(diǎn)事件。

5 結(jié)語

本文利用Python 語言實(shí)現(xiàn)了一種基于不變特性的彩色圖像哈希算法以及基于圖像哈希的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測，并在JetBrains PyCharm 環(huán)境下設(shè)計(jì)和開發(fā)了一款有效的社交網(wǎng)絡(luò)熱點(diǎn)事件檢測軟件。該軟件實(shí)現(xiàn)了圖像哈希計(jì)算、熱點(diǎn)事件檢測功能，其可以有效檢測經(jīng)常規(guī)數(shù)字圖像處理手段處理后的相似圖像，并通過相似圖像的比較進(jìn)一步判斷社交網(wǎng)絡(luò)熱點(diǎn)事件。

圖9 多熱點(diǎn)事件檢測界面

圖10 結(jié)果顯示界面

圖11 多熱點(diǎn)事件檢測結(jié)果