1.一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，具体按照如下步骤实施：
步骤1，离线训练网络模型
采用googlenet网络模型作为初始化网络结构并将其最后一层分类层替换为哈希层，且哈希层的单元数即为图像要编码成的比特数，得到googlenet-1网络模型，将图像数据集cifar-10划分为训练集和测试集，训练集和测试集均包括多个类别的图像，将训练集输入googlenet-1网络模型中，通过卷积层提取图像深度特征，同时进行哈希函数学习，最终深度特征经过哈希层映射得到对应的二进制哈希编码，再通过对损失函数进行迭代优化和更新，得到最优的网络参数和最终的深度哈希网络模型googlenet-hash；
步骤2，将测试集和查询图像送入训练好的googlenet-hash网络模型中得到测试集和查询图像的深度哈希特征，即二进制哈希编码；
步骤3，计算步骤2得到的测试集和查询图像的二进制哈希编码之间的汉明距离并进行升序排序，得到初排结果；
步骤4，选取初排结果里的前p张图像的二进制哈希编码，与查询图像的二进制编码再次进行汉明距离计算，根据汉明距离升序排序得到重排序结果，即最终得到与查询图像最相似的q个检索结果(q＜p)。
2.根据权利要求1所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述步骤1和步骤2中在哈希层生成二进制哈希编码生成过程具体为：
假设从googlenet-hash网络模型的全连接层得到m维图像深度特征x后，将x传入到哈希层，假设哈希层的节点个数是q，即有q个哈希函数，生成q位哈希编码，q个哈希函数产生的哈希编码如下公式所示：
(h1,h2,...,hq)t＝(sigmoid(w1x),sigmoid(w2x)...,sigmoid(wqx))t(2)
其中，h1-hq为第1到第q位的哈希编码，sigmoid(w1x)-sigmoid(wqx)为采用sigmoid函数松弛后的第1到第q个哈希编码，w1-wq为构造q个m维随机向量矩阵，w1-wq∈rq*m，w1-wq的初始值从高斯分布中生成；
再对松弛后的哈希编码进行量化，得到最终的二值哈希编码h，即对h＝{h1,h2,...,hq}t进行阈值化，最终的二进制哈希编码由下式得到：
即就是，二值哈希编码h一个由0和1组成的编码。
3.根据权利要求1所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述步骤1中再通过对损失函数进行迭代优化和更新，得到最优的网络参数和最终的深度哈希网络模型googlenet-hash具体为：
步骤1.1，计算训练集中每张图像属于各类别的概率；
其中，zk代表哈希层加权之后的图像特征，n代表图像类别数目，f(zk)表示图像属于每个类别的概率，zi表示第i个类别，其中1＜＝i＜＝n，k是图像真实的类别；
步骤1.2，根据f(zk)计算损失函数loss的值：
loss＝-logf(zk)(5)
步骤1.3，求解loss的最优值，并采用梯度下降法更新权重系数θ：
θ＝θ-η(f(zk)-1+γθ)(8)
其中，γ是衰减因子，η是学习率，从而完成对softmax分类器的修正和网络参数的更新，得到最终的深度哈希网络模型googlenet-hash。
4.根据权利要求2所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述步骤2中提取特征是将图像输入到深度哈希网络googlenet-hash中提取图像的二进制哈希特征并进行阈值化，最终得到特征集合，具体为：
即给定测试集ψ＝{i1,i2,...,ig}，其中ig表示测试集中的第g个图像，将测试集的图像输入到深度哈希网络模型googlenet-hash中提取图像哈希特征并进行阈值化，得到最终的特征集合ψh＝{h1,h2,...,hg}，其中hg＝{0,1}q；
给定查询图像ik，将查询图像ik输入到深度哈希网络模型googlenet-hash中提取图像哈希特征并进行阈值化，得到图像的二进制哈希编码hk；
其中，hg和hk按照h＝{h1,h2,...,hq}t，再对h按照公式(3)阈值化得到。
5.根据权利要求4所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述步骤3具体为：
计算查询图像ik的二进制哈希编码hk和测试集图像对应的二进制哈希编码集合ψh＝{h1,h2,...,hg}中每个二进制哈希编码hg的汉明距离，按照距离升序排列得到初始检索结果排序。
6.根据权利要求5所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，计算汉明距离时，将二进制哈希编码hk和二进制哈希编码hn的每一位进行比较，通过比较哈希码每一位是否相同，若不同则汉明距离加1，即得到对应的汉明距离。
7.根据权利要求5所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，在中央处理器cpu端进行查询图像ik的二进制哈希编码hk和测试集图像对应的二进制哈希编码集合ψh＝{h1,h2,...,hg}的获取，将获取的hk和ψh＝{h1,h2,...,hg}传输到图像处理器gpu端，进行汉明距离的计算，计算后按照汉明距离从小到大排序，得到初排结果，并将初排结果传输到cpu端。
8.根据权利要求7所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述步骤4具体为：cpu端再次计算与查询图像的二进制哈希编码之间的汉明距离，得到重排序结果，即q个与查询图像最相似的图像q＜p，得到最终的检索结果。
9.根据权利要求1所述的一种基于深度哈希特征和异构并行处理的图像检索方法，其特征在于，所述cifar-10数据集共60000张，训练集分10类，每类5000张，测试集分10类，每类1000张。