一种遥感图像检索的方法和装置制造方法及图纸

本发明专利技术实施例提供了一种遥感图像检索的方法和装置，所述方法包括：获取遥感图像数据；将所述遥感图像数据划分为训练集、验证集，以及测试集；搭建用于对遥感图像数据检索的目标网络模型；采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。通过本发明专利技术实施例，实现了对遥感图像检索，提升了检索的准确性。

【技术实现步骤摘要】
一种遥感图像检索的方法和装置
本专利技术涉及图像识别领域，特别是涉及遥感图像检索的方法和装置。
技术介绍
随着遥感技术的快速发展,遥感图像数据库呈爆炸式增长,为了高效管理遥感图像数据库,基于内容的图像检索(CBIR)系统成为国内外研究的热点。CBIR有两个主要步骤:图像的特征提取和图像的相似性匹配.早期的CBIR根据图像的纹理、颜色、形状等视觉特征进行提取,例如尺度不变特征转换(SIFT)算法和方向梯度直方图(HOG)算法,但这种低层的全局特征易受视角、光照、遮挡等影响。
技术实现思路
鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种遥感图像检索的方法和装置，包括：一种遥感图像检索的方法，所述方法包括：获取遥感图像数据；将所述遥感图像数据划分为训练集、验证集，以及测试集；搭建用于对遥感图像数据检索的目标网络模型；采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。可选地，所述搭建用于对遥感图像数据检索的目标网络模型，包括：构造空间注意力机制模块；对所述空间注意力机制模块进行仿射变换，以搭建用于对遥感图像数据检索的目标网络模型。可选地，所述对所述空间注意力机制模块进行仿射变换，包括：确定仿射变换参数；根据所述仿射变换参数，对所述空间注意力机制模块进行仿射变换。可选地，在所述将所述遥感图像数据划分为训练集、验证集，以及测试集之前，还包括：对所述遥感图像数据进行预处理和数据增广。可选地，所述数据增广的方式包括但不限于：对所述遥感图像数据进行翻转、对所述遥感图像数据进行平移、对所述遥感图像数据进行缩放、调整所述遥感图像数据的RGB各通道权重、对所述遥感图像数据进行旋转。一种遥感图像检索的装置，所述装置包括：遥感图像数据获取模块，用于获取遥感图像数据；遥感图像数据划分模块，用于将所述遥感图像数据划分为训练集、验证集，以及测试集；目标网络模型搭建模块，用于搭建用于对遥感图像数据检索的目标网络模型；模型权重文件得到模块，用于采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；检索结果得到模块，用于根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。可选地，所述目标网络模型搭建模块，包括：空间注意力机制模块构造子模块，用于构造空间注意力机制模块；仿射变换子模块，用于对所述空间注意力机制模块进行仿射变换，以搭建用于对遥感图像数据检索的目标网络模型。可选地，所述仿射变换子模块，包括：仿射变换参数确定单元，用于确定仿射变换参数；空间注意力机制模块变换单元，用于根据所述仿射变换参数，对所述空间注意力机制模块进行仿射变换。可选地，还包括：图像调整模块，用于对所述遥感图像数据进行预处理和数据增广。可选地，所述数据增广的方式包括但不限于：对所述遥感图像数据进行翻转、对所述遥感图像数据进行平移、对所述遥感图像数据进行缩放、调整所述遥感图像数据的RGB各通道权重、对所述遥感图像数据进行旋转。本专利技术实施例具有以下优点：在本专利技术实施例中，通过获取遥感图像数据；将所述遥感图像数据划分为训练集、验证集，以及测试集；搭建用于对遥感图像数据检索的目标网络模型；采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。通过本专利技术实施例，实现了对遥感图像检索，提升了检索的准确性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对本专利技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1a是本专利技术一实施例提供的一种改进后的SpatialAttentionTransform模块的示意图；图1b是本专利技术一实施例提供的一种改进后的SpatialAttentionTransform模块的示意图；图2是本专利技术一实施例提供的一种遥感图像检索的方法的步骤流程图；图3是本专利技术一实施例提供的一种SAT-InceptionV4网络的示意图；图4是本专利技术一实施例提供的一种图像检索模型的训练流程的示意图；图5是本专利技术一实施例提供的一种加载最优模型进行图像检索的的示意图；图6是本专利技术一实施例提供的一种遥感图像检索的装置的结构示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。随着卷积神经网络(CNN)的提出,CNN在计算机视觉领域的应用越来越广泛，如图像分类、目标检测、图像检索领域。基于CNN的图像检索方法,根据目标数据集训练增强CNN的图像分类识别能力，相比传统手工提取方法，CNN提取的深层特征包含了更丰富的图像信息,提高了检索性能。关于图像检索的研究主要是两个方面，一个关于三元损失函数的改进，如hardtripletloss、multi-similarityloss、circleloss、proxyanchorloss等等，主要是针对正样本对和负样本对权重进行改进。另一个方面主要是关于基础骨干网络的改进，如增加区域注意力网络、视觉注意力机制等。越来越多的研究者将这些注意力机制引入图像分析领域，以获得高效、准确的图像检索能力。基于传统处理方法往往需要人工针对性的设计一些特征，中间还要穿插一些规则对算法处理不当的地方进行修正。但对于图像背景复杂、干扰多、图像相似以及待检索对象拍摄角度相差较大等，传统方法处理的效果不是很好。基于区域或视觉的注意力机制的网络模型主要用于提取某些局部区域的信息，结合仿射变换和空间注意力机制模块的方法，利用深度学习的方式减少了人工干预，提升了遥感图像的准确率和算法的稳定性。基于以上问题，本专利技术提出一种改进后空间注意力机制的遥感图像检索方法。该模型可以也看作是对空间注意力机制的改进。具体改进如下：1、使用特征仿射变换模块(FeatureAffineTransformation，FAT)结合InceptionV4来作为骨干网络本文档来自技高网...

【技术保护点】
1.一种遥感图像检索的方法，其特征在于，所述方法包括：/n获取遥感图像数据；/n将所述遥感图像数据划分为训练集、验证集，以及测试集；/n搭建用于对遥感图像数据检索的目标网络模型；/n采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；/n根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。/n

【技术特征摘要】
1.一种遥感图像检索的方法，其特征在于，所述方法包括：
获取遥感图像数据；
将所述遥感图像数据划分为训练集、验证集，以及测试集；
搭建用于对遥感图像数据检索的目标网络模型；
采用所述训练集和所述验证集，对所述目标网络模型进行模型训练，得到在所述验证集上准确率最高的模型权重文件；
根据所述模型权重文件，对所述目标网络模型进行调整，并采用所述调整后的目标网络模型对所述测试集进行检索，得到检索结果。


2.根据权利要求1所述的方法，其特征在于，所述搭建用于对遥感图像数据检索的目标网络模型，包括：
构造空间注意力机制模块；
对所述空间注意力机制模块进行仿射变换，以搭建用于对遥感图像数据检索的目标网络模型。


3.根据权利要求2所述的方法，其特征在于，所述对所述空间注意力机制模块进行仿射变换，包括：
确定仿射变换参数；
根据所述仿射变换参数，对所述空间注意力机制模块进行仿射变换。


4.根据权利要求1或2或3所述的方法，其特征在于，在所述将所述遥感图像数据划分为训练集、验证集，以及测试集之前，还包括：
对所述遥感图像数据进行预处理和数据增广。


5.根据权利要求4所述的方法，其特征在于，所述数据增广的方式包括但不限于：
对所述遥感图像数据进行翻转、对所述遥感图像数据进行平移、对所述遥感图像数据进行缩放、调整所述遥感图像数据的RGB各通道权重、对所述遥感图像数据进行旋转。


6.一种遥感图像检索的装置，其特征在于，所述装置包括：
遥...

【专利技术属性】
技术研发人员：李大铭，邓练兵，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44