基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法技术

本发明专利技术涉及一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法。首先将数据集划分为训练数据集和测试数据集，接着利用多通道特征融合模块提取并融合不同通道的Gist特征，并将融合Gist特征通过多尺度扩张卷积模块，得到遥感图像的多尺度上下文信息，然后构建整体网络模型，使用训练数据集对整体网络进行训练，最后使用训练好的网络得到检索结果。本发明专利技术利用多通道特征融合模块学习多光谱遥感图像检索的多通道特征，利用多尺度扩张卷积模块学习哈希码，从而捕捉遥感图像的多尺度上下文信息，构建包含重建代价、KL散度和平衡项的目标函数，使得在哈希学习的过程中保持哈希码的平衡特性和区分度，进一步提升遥感图像检索的精度。检索的精度。检索的精度。

【技术实现步骤摘要】
基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法


[0001]本专利技术属于遥感图像检索领域，特别是涉及一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法。

技术介绍

[0002]随着卫星和航空器技术的快速发展，遥感图像检索技术也有很大程度的提升。在遥感图像检索领域，有效地检索越来越受关注。因可以获得大量的高分辨率遥感数据，大规模遥感图像检索在遥感领域逐渐成为最重要的研究话题之一。为了管理和分析遥感图像数据，许多基于内容的遥感图像检索方法逐步发展。这些方法主要包括图像特征提取和相似度度量两个部分。尽管基于内容的遥感图像检索方法已经广泛发展，它们能够自动处理遥感图像特征的表示，并度量遥感图像之间的相似度。但是，这些方法在大规模遥感图像检索方面仍面临许多挑战。
[0003]传统的图像检索方法是将查询图像的高维特征和数据集中的每一幅图像的高维特征进行比较，这些方法有很高的空间复杂度，随着数据和特征维度的增加，搜索成本将会逐渐增加。为了解决这些问题，主要考虑以下两个方面：(1)提高特征搜索策略；(2)降低图像特征维度。前者可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于，包括如下步骤：步骤1，划分训练数据集和测试数据集；步骤2，利用多通道特征融合模块提取并融合不同通道的Gist特征；步骤3，将步骤2得到的融合Gist特征通过多尺度扩张卷积模块，得到遥感图像的多尺度上下文信息；步骤4，构建整体网络模型，利用变分自编码器作为主干网络，包括推理网络和生成网络两部分；步骤5，训练整体网络模型，计算整体网络模型的目标函数，并更新整体网络模型的初始参数；步骤6，使用训练好的网络得到检索结果。2.如权利要求1所述的一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于：步骤2中多通道Gist特征融合计算方式如下：式中，X表示多光谱遥感图像，n表示多光谱遥感图像的通道数量，f(
·
)为从多光谱遥感图像中提取n个通道的函数，k(
·
)表示提取n通道Gist特征的函数，G表示最终多光谱遥感图像的Gist特征。3.如权利要求2所述的一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于：步骤3中利用多尺度扩张卷积模块来获取更多遥感图像的上下文信息，多尺度扩张卷积模块将步骤2提取的Gist特征通过扩张卷积为64*11、64*17、64*19的卷积操作后获得不同尺度的上下文信息，将不同尺度的上下文信息通过串连运算符进行联结后，通过一个1*11的扩张卷积，并进行重塑形状使得输出和输入的形状一致，最后经过FC向前传播进行之后的训练过程。4.如权利要求1所述的一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于：步骤4中推理网络h(x)主要负责将原始数据x∈R
d
，即经过步骤2和步骤3处理后的数据映射至变分概率分布，并从概率分布中采样隐藏层向量z∈R
k
；生成网络g(z)主要负责将隐藏层向量z∈R
k
，即推理网络映射得到的哈希码重新映射回原始数据x∈R
d
，其中d为原始数据的维度，k为映射后的维度，d≠k。5.如权利要求4所述的一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于：步骤5中假设集合表示未标记样本集，x
...

【专利技术属性】
技术研发人员：陈亚雄，王凡，李小玉，汤一博，熊盛武，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：