【技术实现步骤摘要】
基于显著性和卷积神经网络的遥感图像检索方法及系统
本专利技术属于遥感影像处理
，涉及一种基于显著性特征和卷积神经网络模型优化的遥感图像检索方法和系统。
技术介绍
随着遥感技术的快速发展，遥感图像的数据量快速增长。日益增长的数据量给人们的生活带来便利，但同时，如何有效地进行遥感数据管理也成为了一项挑战。而遥感图像检索是指从海量数据库中能够快速检索出感兴趣的遥感图像，是解决数据管理问题的有效方法之一。如何实现高效快速的图像检索具有重要研究意义。目前常用的检索技术是基于内容的遥感图像检索，通过提取图像中的基本特征(包括颜色、形状和纹理等)或深度学习特征(包括无监督学习特征和卷积神经网络学习特征等)构成特征向量实现检索。其中，卷积神经网络特征具有良好的稳定性。在基于显著区域的图像检索方法中，往往是利用显著模型通过掩膜提取得到显著区域的图像，然后获取该区域的图像特征，这种方法缩小了特征提取的范围，但同时也忽略了非显著区域包含的内容特征，并且在特征中没有表现出显著性。针对该问题，本专利技术提出了一种基于显著性和卷积神经网络加权整合的遥感图像检索方法。
技术实现思路
针对现有...
【技术保护点】
1.一种基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：包括以下步骤，步骤a，对检索图像库中的图像提取显著图；步骤b，将检索图像库中的图像输入预训练的卷积神经网络模型中，提取各卷积层的特征映射图作为卷积层特征；步骤c，将各卷积层的特征映射图进行上采样，扩展至输入的图像原始大小，得到合成的卷积层特征；步骤d，利用显著图对步骤c合成的卷积层特征进行加权整合，并进行编码形成最终有效的特征表示；步骤e，对于给定的待检测遥感影像，按照与步骤a‑d一致的方式提取特征表示，基于检索图像库各图像的特征表示进行相似性度量检索，返回相似度最高的若干图像作为结果。
【技术特征摘要】
1.一种基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：包括以下步骤，步骤a，对检索图像库中的图像提取显著图；步骤b，将检索图像库中的图像输入预训练的卷积神经网络模型中，提取各卷积层的特征映射图作为卷积层特征；步骤c，将各卷积层的特征映射图进行上采样，扩展至输入的图像原始大小，得到合成的卷积层特征；步骤d，利用显著图对步骤c合成的卷积层特征进行加权整合，并进行编码形成最终有效的特征表示；步骤e，对于给定的待检测遥感影像，按照与步骤a-d一致的方式提取特征表示，基于检索图像库各图像的特征表示进行相似性度量检索，返回相似度最高的若干图像作为结果。2.根据权利要求1所述的基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：所述步骤a中，利用GBVS模型对检索图像库中的各图像分别提取显著图。3.根据权利要求2所述的基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：所述步骤b中，利用在ImageNet数据集上已经训练好的卷积神经网络模型对检索图像库中的各图像分别进行多个卷积层特征提取。4.根据权利要求3所述的基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：所述步骤c中，利用转置卷积实现上采样，首先利用1*1*D的卷积核将各卷积层特征转换成数目相等的特征映射图，再对各卷积层特征进行上采样至与原图像相同大小，对应区域的特征相加得到最终的卷积特征图；其中，D为最后一个卷积层得到的特征映射图个数。5.根据权利要求1或2或3或4所述的基于显著性和卷积神经网络的遥感图像检索方法，其特征在于：所述步骤d中，设步骤c得到的卷积特征图中每个位置的像素值代表该位置的特征值，而显著图中的每个位置的元素值表示该位置被关注的概率，利用概率值作为特征图中对应位置特征值的权重，将卷积特征图和显著图加权整合，得到新的特征表示。6.一种基于显著性和卷积神经网络的遥感图像检索系统，其特征在于：包括以下模块，第一模块，用于对检索图像库中的图像提取显著图；第...
【专利技术属性】
技术研发人员：邵振峰，杨珂，李从敏，周维勋，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。