推荐星级：

基于卷积神经网络的光学遥感图像检索

更新时间：2020-01-02 11:50:09 大小：2M 上传用户：songhuahua 查看TA发布的资源 标签：卷积神经网络光学遥感图像检索 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后,借助Softmax分类器在图像检索阶段对查询图像引入类别反馈,提高图像检索准确度,并根据查询图像特征和图像特征库中特征向量之间的距离,按相似程度由大到小进行排序,得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验,结果显示:针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约98.4%,增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%;类别信息的引入有效提高了遥感图像的检索速度和准确度,检索时间减少了约17.6%;与颜色、纹理、词袋模型的对比实验表明,利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。

部分文件列表

文件名	大小
基于卷积神经网络的光学遥感图像检索.pdf	2M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

第

卷

第

期

１

光学精密工程

２６

ꢀ

Ｖｏｌ．２６Ｎｏ．１

ꢀ

ꢀꢀꢀꢀꢀ ꢀꢀꢀꢀ

ꢀ ꢀꢀ ꢀꢀꢀ

ＯｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎ

ꢀ ｐ ꢀ ꢀ ꢀ ｇ

ｇ

年

月

ꢀ ꢀ

２０１８

１

Ｊａｎ．２０１８

ꢀ ꢀ

文章编号

（）

１００４９２４Ｘ２０１８０１０２０００８

－

ꢀ

－

基于卷积神经网络的光学遥感图像检索

１

＊

宇

１１２

，刘雪莹，张洪群，李湘眷，孙晓瑶

１

李

ꢀ

（中国科学院遥感与数字地球研究所，北京

１．

；

１０００９４

西安石油大学，陕西西安

２．

）

７１００６５

摘要：提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先，通过多层卷积神经网络对遥感图像进行卷积

和池化处理，得到每幅图像的特征图，抽取高层特征构建图像特征库；在此过程中使用特征图完成网络模型参数和

分类器的训练。然后，借助

分类器在图像检索阶段对查询图像引入类别反馈，提高图像检索准确度，并

Ｓｏｆｔｍａｘ

根据查询图像特征和图像特征库中特征向量之间的距离，按相似程度由大到小进行排序，得到最终的检索结果。在高分

辨率遥感图像数据库中进行了实验，结果显示：针对水体、植被、建筑、农田、裸地等类图像的平均检索准确度约

５

，增加飞机、舰船后类遥感图像的平均检索准确度约

７

；类别信息的引入有效提高了遥感图像的检索速度

９８．４％

９５．９％

和准确度，检索时间减少了约

；与颜色、纹理、词袋模型的对比实验表明，利用深度卷积神经网络抽取的高层信息

１７．６％

能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。

关

键

词：遥感图像检索；深度学习；图像分类；卷积神经网络；分类器

Ｓｏｆｔｍａｘ

ꢀ

中图分类号：

ＴＰ７５１

文献标识码：

：／

ｄｏｉ１０．３７８８ＯＰＥ．２０１８２６０１．０２００

Ａ

ꢀꢀ

Ｏｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｒｅｔｒｉｅｖａｌｂａｓｅｄｏｎ

ꢀ ꢀ

ｇ

ꢀ

ｐ

ｇ

ꢀ

ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ

ꢀ ꢀ

１

＊

１

２

１

，

，，，

ＬＩＵＸｕｅｉｎＺＨＡＮＧＨｏｎｕｎＬＩＸｉａｎｕａｎＳＵＮＸｉａｏａｏ

ｙｇｇｑｇｊｙ

ꢀ ꢀ － ꢀ － ꢀ －

－

ＬＩＹｕ

ꢀ

（

，

１．ＩｎｓｔｉｔｕｔｅｏＲｅｍｏｔｅＳｅｎｓｉｎａｎｄＤｉｉｔａｌＥａｒｔｈ

ꢀ

ｇ

ꢀ

ｆ

ｇ

ꢀ

，，

ＣｈｉｎｅｓｅＡｃａｄｅｍｏＳｃｉｅｎｃｅｓＢｅｉｉｎ１０００９４Ｃｈｉｎａ

ꢀ

；

ｙｆ

ꢀ ꢀ

ｊｇ

，，

２．Ｘｉ′ａｎＳｈｉｏｕＵｎｉｖｅｒｓｉｔＸｉ′ａｎ７１００６５Ｃｈｉｎａ

ꢀ

）

ꢀ

ｙ

，：＿

ＣｏｒｒｅｓｏｎｄｉｎａｕｔｈｏｒＥｍａｉｌｌｉｕ０３２１１６３．ｃｏｍ

＠

＊

－

ｐ

ｇ

ꢀ

ｙ

：

ＡｂｓｔｒａｃｔＡｍｅｔｈｏｄｆｏｒｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｒｅｔｒｉｅｖａｌｂａｓｅｄｏｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｗａｓ

ｇꢀ

ꢀ ꢀ ꢀ ꢀ

ꢀ

ｇ

ꢀ

，

ｒｏｏｓｅｄ．Ｆｉｒｓｔｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｎｄｏｏｌｉｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｓｗｅｒｅｃｏｎｄｕｃｔｅｄｂｍｕｌｔｉｌａｅｒ

ｐｐｇ ꢀ ｇ ꢀ

ꢀｐ ꢀｙ

ꢀ

ｇ

ꢀ

－

ｙ

ꢀ

，

ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ．Ｔｈｅｆｅａｔｕｒｅｍａｓｏｆｅａｃｈｉｍａｅｗｅｒｅｏｂｔａｉｎｅｄａｎｄｔｈｅｈｉｈｌｅｖｅｌ

ｇ ꢀ

ꢀ ｐꢀ ꢀ ꢀ ｇ

ꢀ

－

，

ｆｅａｔｕｒｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｔｏｂｕｉｌｄｔｈｅｉｍａｅｆｅａｔｕｒｅｄａｔａｂａｓｅ．Ｉｎｔｈｉｓｒｏｃｅｓｓｔｈｅｔｒａｉｎｉｎｏｆｎｅｔｗｏｒｋｓ

ꢀ ꢀ ꢀ ꢀ ｇꢀ ꢀｐ

ｇ ꢀ

ꢀ

，

ａｒａｍｅｔｅｒｓａｎｄｔｈｅＳｏｆｔｍａｘｃｌａｓｓｉｆｉｅｒｗｅｒｅｃｏｍｌｅｔｅｄｕｓｉｎｆｅａｔｕｒｅｍａｓ．Ｔｈｅｎｉｎｔｈｅｉｍａｅ

ꢀ ｐ

ｐ

ꢀ

ｐ

ꢀ

ｇ

ꢀ

ｇ

，

ｒｅｔｒｉｅｖａｌｓｔａｅｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓｉｎｔｒｏｄｕｃｅｄｂｔｈｅｓｏｆｔｍａｘｃｌａｓｓｉｆｉｅｒｗｈｉｃｈｗｉｌｌｉｍｒｏｖｅｔｈｅａｃｃｕｒａｃ

ꢀ ｇ ꢀ ꢀ ꢀｙ ꢀ ꢀ ｐ ꢀ ꢀ

ｙ

ꢀ

，

ｏｆｉｍａｅｒｅｔｒｉｅｖａｌ．Ｌａｓｔｌｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｒｅｔｒｉｅｖａｌｗａｓｓｏｒｔｅｄｂａｓｅｄｏｎｔｈｅｓｉｍｉｌａｒｉｔ

ｇꢀ ｇꢀ ｙ

ꢀ ꢀ

ꢀ

ｙ

ꢀ

ｇ

ꢀ

ｂｅｔｗｅｅｎｔｈｅｕｅｒｉｍａｅａｎｄｄａｔａｂａｓｅ．Ｒｅｔｒｉｅｖａｌｅｘｅｒｉｍｅｎｔｓｗｅｒｅｅｒｆｏｒｍｅｄｏｎｔｈｅｈｉｈｒｅｓｏｌｕｔｉｏｎ

ｙｇꢀ

ꢀ ꢀｑ ꢀ ꢀ ｐ ꢀ ꢀｐ ꢀ ꢀ ꢀ ｇ－

ꢀ

，

ｏｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｓ．Ｔｈｅａｖｅｒａｅｒｅｔｒｉｅｖａｌｒｅｃｉｓｉｏｎｏｎｆｉｖｅｋｉｎｄｓｉｎｃｌｕｄｉｎｗａｔｅｒｌａｎｔ

ｐ

，

ｐ

ꢀ

ｇ

ꢀ

ｇ

ꢀ

ｇꢀ

ꢀｐ

ꢀ ꢀ

ꢀ

ｇ

ꢀ

收稿日期：

；修订日期：

２０１７０８１５．

－

２０１７０６０９

－

ꢀꢀ

－

基金项目：国家自然科学基金资助项目（

）

Ｎｏ．６１５０１４６０

李

宇，等：基于卷积神经网络的光学遥感图像检索

第

期

１

ꢀꢀꢀꢀꢀꢀ

ꢀ

２０１

，，（

ｂｕｉｌｄｉｎｆａｒｍｌａｎｄａｎｄｌａｎｄｉｓ９８．４％ａｎｄｔｈｅｒｅｔｒｉｅｖａｌｒｅｃｉｓｉｏｎｏｎｓｅｖｅｎｔｅｓａｄｄｉｎｌａｎｅａｎｄ

ꢀｐ

ｇ

ꢀ

ꢀ ꢀ

ꢀ

ꢀ ꢀ

ꢀｙｐ

ｇｐ

ꢀ

）

ｐ

，

ｓｈｉｉｓ９５．９％．Ｔｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆｃｌａｓｓｉｎｆｏｒｍａｔｉｏｎｉｍｒｏｖｅｓｔｈｅｒｅｔｒｉｅｖａｌｒｅｃｉｓｉｏｎａｎｄｓｅｅｄ

ꢀ ꢀ ꢀ ꢀ ꢀ ｐ ꢀ ꢀ ꢀｐ ꢀ ꢀｐ

ꢀ

ｓａｖｉｎｔｉｍｅｂ１７．６％ａｒｏｘｉｍａｔｅｌ．Ｔｈｅｒｏｏｓｅｄｍｅｔｈｏｄｂｅｈａｖｅｓｂｅｔｔｅｒｔｈａｎｔｈｅｍｅｔｈｏｄｓｔｈａｔ

ｐｐ

ꢀｙ ꢀｐｐ ꢀ ꢀ ꢀ ꢀ ꢀ

ｇ

ꢀ

ｙ

ꢀ

，

ｂａｓｅｄｏｎｃｏｌｏｒｆｅａｔｕｒｅｔｅｘｔｕｒｅｆｅａｔｕｒｅａｎｄｔｈｅｂａｏｆｗｏｒｄｓｍｏｄｅｌａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ

ꢀ ꢀ ꢀ ｇ

ꢀ

ｈｉｈｌｅｖｅｌｆｅａｔｕｒｅｆｒｏｍｄｅｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｃａｎｒｅｒｅｓｅｎｔｉｍａｅｃｏｎｔｅｎｔｅｆｆｅｃｔｉｖｅｌ．

ꢀ ꢀ ꢀ ꢀ ꢀ ｐ ꢀ

ｇꢀ

ｇ

－

ꢀ

ｐ

ꢀ

ｙ

Ｅｘｅｒｉｍｅａｔｉｎｄｉｃａｔｅｓｔｈａｔｒｅｔｒｉｅｖａｌｓｅｅｄａｎｄａｃｃｕｒａｃｏｆｏｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｓｃａｎｂｅ

ꢀ ｐ ꢀ ꢀ ｐ ꢀ －

ｐ

ꢀ

ｙ

ꢀ

ｇ

ꢀ

ｇ ꢀ

ꢀ

ｅｆｆｅｃｔｉｖｅｌｉｎｃｒｅａｓｅｄｉｎｔｈｉｓｍｅｔｈｏｄ．

ｙ

ꢀ ꢀ ꢀ

ꢀ

：；；；

Ｋｅｗｏｒｄｓｒｅｍｏｔｅｓｅｎｓｉｎｉｍａｅｒｅｔｒｉｅｖａｌｄｅｅｌｅａｒｎｉｎｉｍａｅｃｌａｓｓｉｆｉｃａｔｉｏｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌ

ｇꢀ

ꢀ

ｇ

ꢀ

ｇꢀ

ｐ

ꢀ

ｇ

ꢀ

ｙ

ꢀ

；

ｎｅｔｗｏｒｋｓｓｏｆｔｍａｘｃｌａｓｓｉｆｉｅｒ

ꢀ

（

，

ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＣＮＮ

ꢀ

）通过多层

ꢀ

网络架构对原始图像数据进行逐层提取与抽象，

获取的特征能够更好地表达图像所包含的信息，

为图像特征的获取提供了新思路，得到了广泛关

引言

ꢀ ꢀ

１

作为海量遥感图像信息分析的重要技术手

段，遥感图像检索一直是一个热点问题。随着遥

感技术的发展，遥感数据用户群体的不断增加与

应用需求的日益多样化，对遥感图像检索技术提

出了更高的要求。基于内容的图像检索不受图像

标注的限制，利用特征直接对图像内容进行分析

实现检索，更符合人类的认知过程，能够更好地满

足用户需求。

［］

８

：

［］

９

注

等

采用深度卷积神经网络

Ｆ．Ｐ．Ｓ．Ｌｕｕｓ

提取多尺度特征，并以此为基础完成高分辨率遥

［

］

１０

感图像分类；熊昌镇等利用深度卷积神经网络

查询图像中的主体类别，提取了结合主体检测的

［

］

１１

利用

图像检索方法；实现图像检索；刘海龙等

改进

模型提取全连接层特征，实现图像检

ＬｅＮｅｔ

－

索。与传统分类方法不同，

ＣＮＮ

作为一种深度学

习架构，其特征提取和分类训练两个过程是密不

可分的，在获取图像特征的同时能够得到图像的

类别信息。

基于内容的图像检索技术在遥感图像检索中

［］

１

已得到了广泛应用。早期研究主要集中在遥感

图像光谱、纹理和形状等底层特征的提取：

Ｚｈｕ

［］

２

采用

在前人工作基础上，本文提出了一种基于卷

积神经网络的光学遥感图像检索方法。该方法采

用深度卷积神经网络提取图像的高层特征，充分

有效地描述图像内容。同时，借助权值共享和池

化，大幅减少了网络参数，提高了方法的学习效

等

滤波法获取纹理特征用于航空

Ｇａｂｏｒ

［］

３

利用颜色特征和灰度

遥感图像的检索；

等

Ｐｒｉｔｉ

共生矩阵描述的纹理特征，实现遥感图像检索；陆

［］

４

丽珍等采用纹理和颜色特征的线性加权，融合

两种特征来进行遥感图像的检索。然而，底层特

征与高层语义之间的“语义鸿沟”使得该类基于底

层特征的方法难以准确反映用户的检索意图。为

解决这一问题，用户反馈机制被引入到基于内容

率。另外，方法利用

分类器将类别反馈

Ｓｏｆｔｍａｘ

引入检索过程，缩小检索范围进而提高了遥感图

像的检索速度和检索准确度。实验结果表明，本

文方法能够在一定程度上提高图像检索速度和检

索准确度。

［］

５

的遥感图像检索中。支持向量机（

Ｓｕｏｒｔ

ｐｐ

，

ＶｅｃｔｏｒＭａｃｈｉｎｅＳＶＭ

ꢀ

）因其对有限训练样本的

良好推广能力，常常被用于处理用户反馈信息，改

善图像检索效果。但是，基于的反馈方法

ＳＶＭ

模型方法

２

ꢀ

往往受限于样本的选取方式和核函数参数的选

［］

６

。随着遥感技术的高速发展，遥感图像不仅

取

本文的遥感图像检索处理流程如图所示。

１

数量激增，图像分辨率也不断提高，图像中包含的

信息更加复杂丰富，使得现有的基于内容的遥感

图像检索方法面临新的挑战。

首先，利用遥感图像数据集训练深度卷积神经网

络模型，在此过程中，完成模型的参数学习和分类

器训练。然后，通过卷积神经网络进行遥感图像

的深度特征抽取，并构建图像特征库。对于输入

的查询图像，根据查询图像的特征和类别，与图像

特征库中的特征进行相似性度量，按相似性由大

近年来，深度学习方法飞速发展，广泛应用于

语音识别、自然语言处理和计算机视觉等领域中，

［］

７

并获得了空前的成功。其中，卷积神经网络

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于卷积神经网络的光学遥感图像检索

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页