1.一种基于多生成多对抗的哈希码与图像双向转换方法，其特征在于，包括以下步骤：步骤1、输入原始图像，通过深度哈希网络将输入图像编码为紧凑二进制哈希码，即二进制代码中只有‑1和+1两种表示，所述深度哈希网络将原始图像编码为二进制哈希码时，利用监督流形相似度来减少相似样本之间的海明距离，同时增大非相似样本之间的海明距离；

步骤2、输入二进制哈希码，通过逆哈希网络将紧凑的二进制哈希码解码为原始图像；

逆哈希网络将二进制哈希码解码为原始图像时，引入位平衡项，使得哈希码近似服从泊松分布，拟合真实数据分布；在逆哈希生成过程中，引入内容保真；

步骤3、在原始图像和哈希码之间构建对抗损失，实现哈希码和图像之间的双向转换；

所述步骤1中，通过深度哈希网络将原始图像编码为二进制哈希码，具体表示为：其中，G，D，F和C分别表示生成网络，判别网络，哈希网络和分类网络， 表示期望，sij表示数据点之间的监督流形相似度、J(F,G,D,C)表示包含4个网络的目标函数，β是权重系数，x是生成目标，S表示监督流形相似度矩阵；

为了简化表达，可以将上式划分为两个部分：哈希编码和哈希解码，引入位平衡项γ表示用于衡量位平衡项在整个目标函数中的权重；在哈希编码过程中使得哈希码服从泊松分布，然后通过理论验证，服从泊松分布的数据能够用来初始化生成分布并拟合真实数据，哈希编码表示为：其中， 表示位平衡项，用来平衡哈希码中‑1和+1的个数，wij表示处理数据不平衡问题的权重、LF表示哈希函数损失、α表示用于衡量位量化损失在整个目标函数中的权重、hi表示第i个哈希码、N分别表示数据样本的大小，表示哈希码hi和hj之间的内积；

解码过程可以表示为：

其中， 表示期望，Ph表示哈希分布，Pr表示哈希分布，h表示对应的哈希码；

所述步骤1利用监督流形相似度，在减少相似样本之间海明距离的同时，增加非相似样本之间的海明距离，监督流形相似度表示为：SM＝Spo⊙Spa

其中，Spo和Spa分别表示点对相似度量矩阵和成对相似度量矩阵，⊙表示元素对之间的点乘。

2.根据权利要求1所述的一种基于多生成多对抗的哈希码与图像双向转换方法，其特征在于，所述步骤2构建逆哈希网络具体包括：构建哈希码与图像之间的内容保真，并且较少对抗损失在优化过程中的权重，θg表示生成网络G的参数，LG表示生成网络的损失。

3.根据权利要求2所述的一种基于多生成多对抗的哈希码与图像双向转换方法，其特征在于，在原始图像和哈希码之间构建条件对抗损失，通过计算损失并反向传播梯度，表示为： 代码实现过程中，通过批处理方法，算出损失，然后将损失输入到优化器中，最后封装好的模型根据自动求导梯度并向前传播，使得网络的输出与输入的流形空间保持相似，表示为：θd表示判别网络D的参数、

LD表示判别网络的损失。

4.根据权利要求3所述的一种基于多生成多对抗的哈希码与图像双向转换方法，其特征在于，通过循环一致性策略，在提出的多生成多对抗框架下，实现哈希码和图像之间的双向转换，循环一致性策略指的是，网络A将数据A转化为B，网络B将数据B转化为A’，循环一致性策略则保证A和A’之间的差距最小，具体表示为：