System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及遥感影像检索的,尤其是涉及一种遥感影像的检索方法、装置、电子设备和计算机存储介质。
技术介绍
1、随着遥感技术的不断发展,遥感影像的获取和存储能力大大提升,导致遥感影像数据库日益庞大。然而,如何简单高效的从这些海量遥感影像数据中检索出用户需要的特定影像成为一个重要的问题。
2、目前,遥感影像的检索方法总体上可以分为两类。第一类是基于关键词的检索:用户通过输入关键词描述需要检索的内容,根据关键词匹配影像数据库中的标准信息或元数据进行检索。第二类是基于内容的图像检索:利用计算机视觉技术,对影像进行特征提取和匹配,实现相似影像的检索。但传统方法中,关键词往往不够准确,检索方式不够灵活,无法精确表达用户的检索意图;另外,基于内容的图像检索无法有效利用影像的视觉信息和其它模态信息,检索的时间长、准确性不太好,难以满足实际的应用需求。因此,迫切需要一种新的遥感影像检索方法来克服这些问题。
3、综上,传统的遥感影像的检索方法存在准确性差、效率低的技术问题。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种遥感影像的检索方法、装置、电子设备和计算机存储介质,以缓解现有的遥感影像的检索方法准确性差、效率低的技术问题。
2、第一方面,本专利技术实施例提供了一种遥感影像的检索方法,所述方法包括:
3、获取用户输入的检索请求文本,进而使用具有检索意图解析功能的大型语言模型解析所述检索请求文本的检索意图;
4、当所述检索意图为
5、采用对比语言-图像预训练模型对所述关键信息进行编码,得到检索文本向量;
6、根据所述地理位置在预设的多模态向量库中筛选与所述地理位置对应的目标多模态向量,其中,所述多模态向量库中的每一多模态向量为每一遥感影像切片的视觉特征向量和元数据特征向量组成的,所述视觉特征向量为对遥感影像库中的每一遥感影像进行预处理后,采用所述对比语言-图像预训练模型对预处理后的遥感影像进行特征提取得到的;
7、计算所述检索文本向量与每一所述目标多模态向量的相似度,并根据所述相似度确定与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片。
8、进一步的,根据所述相似度确定与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片,包括:
9、将所述相似度按照降序排列,进而获取前n个目标相似度;
10、将前n个所述目标相似度对应的遥感影像和/或遥感影像切片作为与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片。
11、进一步的,所述方法还包括:
12、获取所述遥感影像库;
13、计算所述遥感影像库中的每一遥感影像的各个波段的标准差和任意两个波段的相关系数矩阵;
14、根据每一所述遥感影像的各个波段的标准差和任意两个波段的相关系数矩阵计算所有可能的3个组合波段的最优波段组合指标;
15、根据所述最优波段组合指标确定3个组合波段的最优组合方案所对应的初始预处理后的遥感影像;
16、将所述初始预处理后的遥感影像投影至目标坐标系,并设置其byte和nodata,得到所述预处理后的遥感影像。
17、进一步的,所述方法还包括:
18、采用所述对比语言-图像预训练模型对所述预处理后的遥感影像进行特征提取,得到所述预处理后的遥感影像的每一遥感影像切片的视觉特征向量;
19、对所述遥感影像进行元数据提取,得到所述遥感影像的元数据特征向量,其中,所述元数据包括:地理位置、拍摄时间、传感器类型;
20、将每一所述遥感影像切片的视觉特征向量与其对应的遥感影像的元数据特征向量进行拼接,得到每一所述遥感影像切片的多模态向量。
21、进一步的,所述方法还包括:
22、以所述地理位置为索引字段将所述遥感影像切片的多模态向量存储至所述多模态向量库。
23、进一步的,采用所述对比语言-图像预训练模型对所述预处理后的遥感影像进行特征提取,包括:
24、通过256×256大小的滑动窗口将所述预处理后的遥感影像切分为多个遥感影像切片;
25、对每个所述遥感影像切片进行特征提取,得到所述预处理后的遥感影像的每一遥感影像切片的视觉特征向量。
26、进一步的,所述相似度包括:余弦距离。
27、第二方面,本专利技术实施例还提供了一种遥感影像的检索装置,所述装置包括:
28、获取和解析单元,用于获取用户输入的检索请求文本,进而使用具有检索意图解析功能的大型语言模型解析所述检索请求文本的检索意图;
29、解析单元,用于当所述检索意图为以文搜图时,使用具有关键信息解析功能的大型语言模型解析所述检索请求文本的关键信息,其中,所述关键信息至少包括:地理位置;
30、编码单元,用于采用对比语言-图像预训练模型对所述关键信息进行编码,得到检索文本向量;
31、筛选单元,用于根据所述地理位置在预设的多模态向量库中筛选与所述地理位置对应的目标多模态向量,其中,所述多模态向量库中的每一多模态向量为每一遥感影像切片的视觉特征向量和元数据特征向量组成的,所述视觉特征向量为对遥感影像库中的每一遥感影像进行预处理后,采用所述对比语言-图像预训练模型对预处理后的遥感影像进行特征提取得到的;
32、计算和确定单元,用于计算所述检索文本向量与每一所述目标多模态向量的相似度,并根据所述相似度确定与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片。
33、第三方面,本专利技术实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
34、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述机器可运行指令在被处理器调用和运行时,所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
35、在本专利技术实施例中,提供了一种遥感影像的检索方法,该方法包括:获取用户输入的检索请求文本,进而使用具有检索意图解析功能的大型语言模型解析检索请求文本的检索意图;当检索意图为以文搜图时,使用具有关键信息解析功能的大型语言模型解析检索请求文本的关键信息,其中,关键信息至少包括:地理位置;采用对比语言-图像预训练模型对关键信息进行编码,得到检索文本向量;根据地理位置在预设的多模态向量库中筛选与地理位置对应的目标多模态向量,其中,多模态向量库中的每一多模态向量为每一遥感影像切片的视觉特征向量和元数据特征向量组成的,视觉特征向量为对遥感影像库中的每一遥感影像进行预处理后,采用对比语言-图像预训练模型对预处理后的遥本文档来自技高网...
【技术保护点】
1.一种遥感影像的检索方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述相似度确定与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片,包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
6.根据权利要求4所述的方法,其特征在于,采用所述对比语言-图像预训练模型对所述预处理后的遥感影像进行特征提取,包括:
7.根据权利要求1所述的方法,其特征在于,所述相似度包括:余弦距离。
8.一种遥感影像的检索装置,其特征在于,所述装置包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述机
...【技术特征摘要】
1.一种遥感影像的检索方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述相似度确定与所述检索请求文本匹配的目标遥感影像和/或目标遥感影像切片,包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
6.根据权利要求4所述的方法,其特征在于,采用所述对比语言-图像预训练模型对所述预处理后的遥感影像进行特征提取,包括:
<...【专利技术属性】
技术研发人员:杜世高,王宇翔,张传辉,邓鹏,胡举,
申请(专利权)人:航天宏图信息技术股份有限公司,
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。