【技术实现步骤摘要】
基于无监督深度回归的遥感图像检索方法、系统、设备及介质
本专利技术涉及一种遥感图像检索方法,尤其是一种基于无监督深度回归的遥感图像检索方法、系统、设备及介质,属于深度学习和遥感图像检索
技术介绍
随着传感器技术及航空航天技术的发展,现在每天都有大量的遥感图像产生。对海量的遥感图像进行有效组织和智能管理,势在必行而且刻不容缓。而基于内容的遥感图像检索是实现图像智能管理的重要环节。基于内容的遥感图像检索技术包括两个主要步骤:第一是特征提取,第二是特征的相似性度量。其中,特征提取是决定检索质量的关键因素。特征可以粗略地分为两类:手工设计的传统特征和深度特征(即用深度神经网络学习出的特征)。大量事实证明,深度特征能更好地刻画遥感图像的本质,具有更好的判别能力和表达能力,其性能往往比传统特征好得多。近年来,在包括遥感图像检索在内的诸多领域中,深度特征大有一枝独秀、所向披靡的势头。卷积神经网络(ConvolutionalNeuralNetworks,简称CNN)特征是深度特征的典型代表,也是深度特征中表现最突出者。基于卷积神经网络的遥感图像检索技术,可以分成以下四类:(1)直接使用预训练的卷积神经网络有些研究者将在日常图像库上预训练过的卷积神经网络当作现成的特征提取器,直接从全连接层提取特征。然而,预训练的卷积神经网络结构庞大,体态臃肿,需占用较多的存储空间。再者,全连接层特征通常维数都很高(几千维),因而增加了后续比对步骤的计算开销。(2)从预训练的CNN中提取信息进行后处理有些研究者从预训练的卷积神经网络的卷积层提取信息,再利用BoVW(BagofVis ...
【技术保护点】
1.一种基于无监督深度回归的遥感图像检索方法,其特征在于,所述方法包括:搭建基于相似性的孪生卷积神经网络;利用五个已有的卷积神经网络计算日常图像库中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用日常图像库中的图像对基于相似性的孪生卷积神经网络进行从头开始的预训练;利用五个所述卷积神经网络计算第一遥感图像微调集中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用第一遥感图像微调集中的图像对预训练后的基于相似性的孪生卷积神经网络进行第一次微调;利用五个所述卷积神经网络计算第二遥感图像微调集中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用第二遥感图像微调集中的图像对第一次微调后的基于相似性的孪生卷积神经网络进行第二次微调,生成遥感图像检索特征库;获取用户的查询图像,提取该查询图像的特征,将该查询图像的特征与遥感图像检索特征库中的特征逐一比对以预测相似性得分,并将遥感图像检索库中的遥感图像按相似性得分从高到低进行排序;其中,所述日常图像库、第一遥感图像微调集、第二遥感图像微调集中的图像均不带标签。
【技术特征摘要】
1.一种基于无监督深度回归的遥感图像检索方法,其特征在于,所述方法包括:搭建基于相似性的孪生卷积神经网络;利用五个已有的卷积神经网络计算日常图像库中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用日常图像库中的图像对基于相似性的孪生卷积神经网络进行从头开始的预训练;利用五个所述卷积神经网络计算第一遥感图像微调集中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用第一遥感图像微调集中的图像对预训练后的基于相似性的孪生卷积神经网络进行第一次微调;利用五个所述卷积神经网络计算第二遥感图像微调集中每对图像的相似性得分和重要性权值,构造小批量损失函数,并使用第二遥感图像微调集中的图像对第一次微调后的基于相似性的孪生卷积神经网络进行第二次微调,生成遥感图像检索特征库;获取用户的查询图像,提取该查询图像的特征,将该查询图像的特征与遥感图像检索特征库中的特征逐一比对以预测相似性得分,并将遥感图像检索库中的遥感图像按相似性得分从高到低进行排序;其中,所述日常图像库、第一遥感图像微调集、第二遥感图像微调集中的图像均不带标签。2.根据权利要求1所述的遥感图像检索方法,其特征在于,所述基于相似性的孪生卷积神经网络的前半部分包括两个分支网络,两个分支网络为特征学习分支网络,两个分支网络的结构和参数均相同;所述基于相似性的孪生卷积神经网络的后半部分是相似性学习网络,包括两个全连接层和一个输出层,输出层只有一个神经元,输出两幅输入图像的相似性预测值。3.根据权利要求2所述的遥感图像检索方法,其特征在于,所述生成遥感图像检索特征库,具体包括:将第二次微调后的基于相似性的孪生卷积神经网络中的特征学习分支网络和相似性学习网络拆卸出来,并利用特征学习分支网络提取遥感图像检索库中所有图像的深度特征,将该深度特征存储在遥感图像检索特征库中。4.根据权利要求2所述的遥感图像检索方法,其特征在于,所述提取该查询图像的特征,将该查询图像的特征与遥感图像检索特征库中的特征逐一比对以预测相似性得分,具体包括:利用第二次微调后的基于相似性的孪生卷积神经网络中的特征学习分支网络提取该查询图像的特征,将该查询图像的特征和遥感图像检索特征库中的特征逐一比对,输入第二次微调后的基于相似性的孪生卷积神经网络中的相似性学习网络以预测遥感图像与查询图像的相似性得分。5.根据权利要求1所述的遥感图像检索方法,其特征在于,五个所述卷积神经网络,分别如下:CaffeNet:提取第二个全连接层的特征;VGG-S:提取第二个全连接层的特征;Ne...
【专利技术属性】
技术研发人员:刘亦书,丁利旺,刘应斌,陈聪慧,
申请(专利权)人:华南师范大学,
类型:发明
国别省市:广东,44
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。