一种基于像素关联规则的遥感图像检索方法及装置制造方法及图纸

本发明专利技术涉及遥感影像检索技术领域，特别涉及一种基于像素关联规则的遥感图像检索方法及装置。所述基于像素关联规则的遥感图像检索方法包括：步骤a：提取影像库中每幅影像的边缘点像素，构建每幅影像事务集；步骤b：通过所述每幅影像事务集提取每幅影像中的关联规则；步骤c：根据支持度和置信度指标计算所述关联规则的相似度，根据所述待检索影像与影像库中检索影像的关联规则相似度进行影像检索。本发明专利技术通过从构建的事务集中提取遥感影像的关联规则，然后比较关联规则之间的相似度，从而实现遥感影像的检索，提高了遥感影像检索的准确率。

Remote sensing image retrieval method and device based on pixel association rules

The invention relates to the technical field of remote sensing image retrieval, in particular to a method and a device for remote sensing image retrieval based on pixel Association rules. The remote sensing image pixel retrieval method based on association rules including: step a: extraction of each image in the image database of edge pixels to construct each image transaction set; step B: extracting association rules each image in the image set by each transaction; step C: the similarity of association rules according to the support and confidence index, image retrieval based on association rules similarity image retrieval the image retrieval and image in the library. The invention realizes the retrieval of remote sensing images by extracting the association rules of the remote sensing images from the built transaction set, and then comparing the similarity between the association rules, so as to improve the accuracy of the remote sensing image retrieval.

【技术实现步骤摘要】

本专利技术涉及遥感影像检索
，特别涉及一种基于像素关联规则的遥感图像检索方法及装置。
技术介绍
遥感影像具有影像幅面大，影像内容多且复杂的特点，“同物异谱”和“异物同谱”的现象很普遍，给遥感影像的检索带来较大的难度。影像检索即搜索数据库中含有指定特征或具有相似内容的影像，当前主流的基于内容的影像检索(Content-BasedImageRetrieval，CBIR)方法能综合影像处理、信息检索、机器学习、计算机视觉、人工智能等诸多领域的知识，借助从影像中自动提取的视觉特征作为影像内容的描述；目前，基于内容的影像检索取得了大量的研究成果。视觉特征提取在影像检索中具有重要作用，可以分为两个研究方向，一是研究影像的光谱、纹理、形状等低层视觉特征的提取及相似度度量，包括基于光谱曲线吸收特征提取的高光谱影像检索、利用颜色空间、颜色矩提取颜色特征、利用小波变换、Contourlet变换、Gabor小波、广义高斯模型、纹理谱等方法描述影像的纹理特征、基于像元形状指数、PHOG(PyramidHistogramofOrientedGradients，分层梯度方向直方图)形状与小波金字塔的遥感影像形状特征描述方法等。这类低层视觉特征的应用比较成熟，但是无法描述描述影像的语义信息，其提供的检索结果往往和人脑对遥感影像的认知有相当的差距，并不能完全令人满意。针对这一问题，另一个研究方向即是建立低层视觉特征与语义的映射模型，在语义层次提高影像检索的准确率。主要研究成果包括基于统计学习的语义检索方法，如贝叶斯分类器模型上下文语境的贝叶斯网络、贝叶斯网络与EM(最大期望)参数估计等；基于语义标注的检索方法，如语言索引模型、概念语义分布模型等；基于GIS(地理信息系统，GeographicInformationSystem)辅助的语义检索方法，如利用GIS数据中矢量要素的空间和属性信息引导语义赋予的方法；基于本体论的语义检索方法，如基于视觉对象领域本体的方法、GeoIRIS等。这类方法能够在一定程度上反映人脑对于影像检索的语义理解过程，具有较高的准确率，是未来影像检索的发展趋势。然而目前的语义检索方法往往过于关注低层视觉特征与语义映射模型的构建过程，忽略了所采用的低层视觉特征的种类、语义学习方法等因素，最终影响到语义检索的查准率。近年来，人类视觉感知特性被引入到影像检索领域中，受到广泛的关注，但是这类方法尚处于起步阶段，还有许多问题有待解决：如人眼视觉系统的生理过程、更符合人眼视觉的特征描述方法、自底向上的感知模型、显著特征提取与度量、自顶向下的视觉注意机制等等。另外，针对遥感影像数据检索的典型成果主要包括瑞士RSIAII+III项目，研究基于光谱和纹理特征的多分辨率遥感影像数据的描述和检索；Berkeley数字图书馆项目开发的原型系统Blobworld，它以航空影像、USGS正射影像和地形图，SPOT卫星影像等作为数据源，让用户能够直观地改进检索结果；新加坡南洋理工大学的(RS)2I项目，其研究内容涵盖了遥感影像特征提取与描述、多维索引技术及分布式体系结构设计的众多方面；斯坦福大学的SIMPLIcity，利用一种稳健的综合区域匹配方法(IntegratedRegionMatching，IRM)来定义影像间的相似度，在卫星基于数据挖掘的遥感影像检索中取得不错的结果；微软亚洲研究院的iFind，系统通过影像的标注信息构造语义网络，并在相关反馈中与影像的视觉特征相结合，有效地实现了在两个层次上的相关反馈。这些系统取得了重要成果，但是不论是在特征提取还是在代表性特征选择方面仍需要进一步深入研究。综上所述，不管是基于像素还是面向对象的影像检索方法，大多都关注于影像整体或局部或对象区域的颜色、纹理、形状等低层特征的统计信息。直接基于低层特征的检索方法无法提取感兴趣的目标，缺乏对影像空间信息进行描述的能力，存在特征维数过高、描述不完整、准确性差、缺乏规律性、特征描述与人类认知存在语义差距等缺点。与此同时，基于高层语义信息的遥感影像检索又缺乏成熟的理论和方法。低层特征与高层语义信息之间的“语义鸿沟”，阻碍了遥感影像检索的发展及应用。
技术实现思路
本专利技术提供了一种基于像素关联规则的遥感图像检索方法及装置，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本专利技术提供了如下技术方案：一种基于像素关联规则的遥感图像检索方法，包括以下步骤：步骤a：提取影像库中每幅影像的边缘点像素，构建每幅影像事务集；步骤b：通过所述每幅影像事务集提取每幅影像中的关联规则；步骤c：根据支持度和置信度指标计算所述关联规则的相似度，根据所述待检索影像与影像库中检索影像的关联规则相似度进行影像检索。本专利技术实施例采取的技术方案还包括：所述步骤a还包括：对所述影像库中的每幅影像进行像素灰度级压缩。本专利技术实施例采取的技术方案还包括：在所述步骤a中，所述构建每幅影像事务集的构建方法为：利用canny算子提取遥感影像的边缘，然后提取边缘点像素的多个方向，以邻域为单位，以该邻域内每个方向上的所有像素灰度值的排列构成事务集中的一个事务，则每个边缘点构成4个事务；影像越大，则构成的事务越多，组成的事务集越大。本专利技术实施例采取的技术方案还包括：在所述步骤b中，所述提取每幅影像中的关联规则的提取方式为：计算频繁项集，通过所述频繁项集从事务集中提取出所有满足指定置信度与支持度的关联规则。本专利技术实施例采取的技术方案还包括：在所述步骤c中，所述计算关联规则的相似度的计算方式为：对于每幅影像提取的所有关联规则，每条关联规则支持度与置信度的乘积联合起来，构成一个规则向量；通过比较待检索影像与影像库中每幅检索影像的两个规则向量的相似度实现影像检索；所述两个规则向量相似度的度量公式为：在上述公式中，N为影像的关联规则数量，r1和r2分别为两个规则向量，μ1和μ2为两幅影像的均值，如果两个规则向量越接近，同时两幅影像的均值越接近，则D的值越小，两幅影像的相似度越高。本专利技术实施例采取的另一技术方案为：一种基于像素关联规则的遥感图像检索装置，包括：事务集构建模块：用于提取影像库中每幅影像的边缘点像素，构建每幅影像事务集；关联规则提取模块：用于通过所述每幅影像事务集提取每幅影像中的关联规则；相似度计算模块：用于根据支持度和置信度指标计算所述关联规则的相似度；影像检索模块：用于根据所述待检索影像与影像库中检索影像的关联规则相似度进行影像检索。本专利技术实施例采取的技术方案还包括影像压缩模块，所述影像压缩模块用于对所述影像库中的每幅影像进行像素灰度级压缩。本专利技术实施例采取的技术方案还包括：所述事务集构建模块构建每幅影像事务集的构建方法为：利用canny算子提取遥感影像的边缘，然后提取边缘点像素的多个方向，以邻域为单位，以该邻域内每个方向上的所有像素灰度值的排列构成事务集中的一个事务，则每个边缘点构成4个事务；影像越大，则构成的事务越多，组成的事务集越大。本专利技术实施例采取的技术方案还包括：所述关联规则提取模块提取每幅影像中的关联规则的提取方式为：计算频繁项集，通过所述频繁项集从事务集中提取出所有满足指定置信度与支持度的关联规则。本专利技术实施例采取的技术方案还包括：所述相似度计算模块计算关联规则本文档来自技高网...

【技术保护点】
一种基于像素关联规则的遥感图像检索方法，其特征在于，包括以下步骤：步骤a：提取影像库中每幅影像的边缘点像素，构建每幅影像事务集；步骤b：通过所述每幅影像事务集提取每幅影像中的关联规则；步骤c：根据支持度和置信度指标计算所述关联规则的相似度，根据所述待检索影像与影像库中检索影像的关联规则相似度进行影像检索。

【技术特征摘要】
1.一种基于像素关联规则的遥感图像检索方法，其特征在于，包括以下步骤：步骤a：提取影像库中每幅影像的边缘点像素，构建每幅影像事务集；步骤b：通过所述每幅影像事务集提取每幅影像中的关联规则；步骤c：根据支持度和置信度指标计算所述关联规则的相似度，根据所述待检索影像与影像库中检索影像的关联规则相似度进行影像检索。2.根据权利要求1所述的基于像素关联规则的遥感图像检索方法，其特征在于，所述步骤a还包括：对所述影像库中的每幅影像进行像素灰度级压缩。3.根据权利要求1或2所述的基于像素关联规则的遥感图像检索方法，其特征在于，在所述步骤a中，所述构建每幅影像事务集的构建方法为：利用canny算子提取遥感影像的边缘，然后提取边缘点像素的多个方向，以邻域为单位，以该邻域内每个方向上的所有像素灰度值的排列构成事务集中的一个事务，则每个边缘点构成4个事务；影像越大，则构成的事务越多，组成的事务集越大。4.根据权利要求3所述的基于像素关联规则的遥感图像检索方法，其特征在于，在所述步骤b中，所述提取每幅影像中的关联规则的提取方式为：计算频繁项集，通过所述频繁项集从事务集中提取出所有满足指定置信度与支持度的关联规则。5.根据权利要求4所述的基于像素关联规则的遥感图像检索方法，其特征在于，在所述步骤c中，所述计算关联规则的相似度的计算方式为：对于每幅影像提取的所有关联规则，每条关联规则支持度与置信度的乘积联合起来，构成一个规则向量；通过比较待检索影像与影像库中每幅检索影像的两个规则向量的相似度实现影像检索；所述两个规则向量相似度的度量公式为：D=Σi=1N(r1(i)-r2(i))2r1(i)+r2(i)+(1-2μ1μ2μ12+μ22)]]>在上述公式中，N为影像的关联规则数量，r1和r2分别为两个规则向量，μ1和μ2为两幅影像的均值，如果两个规则向量越接近，同时两幅影像的均值越接近，则D的值越小，两幅影像的相似度越高。6.一种基于像素关联规则的遥感图像...

【专利技术属性】
技术研发人员：刘军，陈劲松，陈凯，郭善昕，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44