【技术实现步骤摘要】
无源遥感影像的全球快速检索定位方法、存储介质及设备
[0001]本专利技术涉及遥感影像应用领域，特别地，涉及遥感影像地理定位的
技术介绍
[0002]随着互联网技术的发展，图片分享网站以及社交媒体网站上存在大量的不同来源、不同分辨率以及不同尺寸的遥感影像照片，这些照片大部分都没有地理坐标或精确的位置信息，极大地限制了开源情报信息的获取及关联分析等。因此如何快速准确的确定这些无源遥感影像的地理位置信息等内容，对情报信息的抓取与筛选具有重要作用。同时除网络上可获取的无源遥感影像以外，对于通常我们获取的遥感影像产品，在进行使用前，为使其定位准确，通常需要进行几何精纠正，在地形起伏较大的地区，还需要进行正射纠正，特殊情况下还需要进行大气纠正，这一定位过程较为专业繁琐，限制了大部分非专业人士对遥感影像的使用。
技术实现思路
[0003]为解决以上两个问题，本申请设计专利技术了一种无源遥感影像的全球快速检索定位方法，通过建立全球基准影像特征库，基于基准影像特征库进行快速检索与定位来实现无源遥感影像的大致定位。<...
【技术保护点】
【技术特征摘要】
1.一种无源遥感影像的全球快速检索定位方法，其特征在于，包括：S1，选择要建立的全球基准影像瓦片数据的数据源以及时间，建立全球基准影像瓦片数据库，S2，采用卷积神经网络的方式提取瓦片的局部特征点以及特征描述子，采用特征聚合的方法对局部特征点特征进行特征聚合，产生瓦片的全局特征向量，为第一全局特征向量，建立全球基准影像瓦片数据特征库，S3，待匹配的无源遥感影像，采用与全球基准影像瓦片数据特征库相同的方法生成待匹配第二全局特征向量，S4，将第二全局特征向量与基于全球基准影像瓦片数据特征库的第一全局特征向量进行特征对比以及相似性检查，计算出相似度最高的影像作为匹配影像，以该匹配影像的地理坐标即为待匹配的无源影像的地理坐标。2.如权利要求1所述的检索定位方法，其特征在于，全局特征向量的生成方法包括：基于FEAN特征提取以及聚合网络进行全球基准影像瓦片数据特征库的建立；FEAN为自监督的网络框架，由卷积编码、特征点生成、描述子生成以及特征聚合四部分构成：其中卷积编码部分由四个卷积块构成，前三个卷积块由卷积层、最大池化层组成，每经过一个池化层，图像尺寸变为原来的一半，第四个卷积块只包含一个卷积层，最终图像经卷积编码后，尺寸变为原来的八分之一，输入到特征点生成网络以及描述子生成网络中；特征点生成网络中，先经过一层卷积层，改变通道大小后，经过Softmax交叉熵激活函数，得到每个像素是特征点的概率值后，经过Reshape图像回归操作，将图像映射回原尺寸，输出原尺寸上的特征点；描述子生成网络中，同样先经过一层卷积层操作，改变通道大小，此通道数即为后续输出的描述子维度，选择128作为描述子的维度，卷积操作后，采用双线性插值将图像扩大为原尺寸，最后对每一个像素的描述子进行L2归一化操作，综合特征点生成网络阶段输出的特征点，输出特征点对应的归一化的描述子；特征聚合即对特征点的描述子进行聚合，输出影像的全局特征向量；FEAN输出的特征描述子为128维，经特征聚合后，生成8192维的全局特征向量，采用主成分分析方法对8192维的全局特征向量进行降维降为256维，由此建立256维的全球基准影像瓦片数据特征库。3.如权利要求2所述的检索定位方法，其特征在于，Softmax交叉熵激活函数公式如下：S
i
为第i个像素经过Softmax函数后输出的在该像素上是特征点的概率值，n为输入到特征点生成网络的图像，其图像像素个数；x
i
为在第i个像素上各通道上像素值的和。4.如权利要求1所述的检索定位方法，其特征在于，所述方法还包括，基于全球基准影像瓦片数据特征库，建立高效的特征索引结构为后续大规模影像检索提供基础。5.如权利要求4所述的检索定位方法，其特征在于，所述高效的特征索引结构为...
【专利技术属性】
技术研发人员：李传广，闫丽阳，宋科，张森，芦秋迪，宋瑞丽，
申请(专利权)人：感知天下北京信息科技有限公司，
类型：发明
国别省市：
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。