论文部分内容阅读
如何高效地从海量高分辨率遥感图像中搜索需要的图像,是后续解译与应用的基础,是遥感“大数据时代”实际而又富有挑战性的问题。基于内容的遥感图像检索是根据图像的视觉内容检索图像,即由用户输入查询图像,检索系统从数据库中查询到与输入图像视觉特征相似的图像,并按相似性排序返回最终的检索结果,是遥感技术后续应用的重要基础。然而,已有的高分辨率遥感图像检索任务解决方案还存在一定问题:1)传统的手工设计特征通过精巧的设计能够描述颜色、纹理、结构等特征,但对于高分辨率遥感图像这种包含复杂光谱信息及空间几何关系的图像,其描述能力十分有限,尤其是对于高层语义信息的描述能力较弱,极大地制约了最终的检索精度。2)现有遥感图像内容检索系统,均需要用户输入一幅已有的查询图像,在缺少查询图像的情况下,已有的检索方法难以进行检索。针对以上问题,本文旨在建立能对高分辨率遥感图像提取高层语义信息的模型,同时,引入草图检索的方法解决缺少查询图像时的内容检索问题。对此,本文主要研究针对遥感图像内容检索问题的深度特征及深度跨域特征提取算法。主要研究内容以及贡献如下:首先,研究基于内容的遥感图像检索深度特征提取算法,在比较了不同网络结构与不同层深度特征在遥感图像检索任务上的性能的基础上,通过微调网络的方法将深度特征迁移至遥感图像,使深度网络提取更适应于遥感图像的视觉特性。针对遥感图像的多尺度问题,提出了多空间尺度深度特征来进行遥感图像检索,提升遥感图像检索任务的精度。其次,对缺少查询图像时难以进行遥感图像检索的问题,首次提出了利用手绘草图检索遥感图像。分析了已有的遥感图像内容检索方法在该跨域问题上存在的问题,提出了深度跨域模型的解决方案。为实现该方法,收集了一个手绘草图-遥感图像对应的数据集并用于训练深度跨域模型,为深度跨域模型的训练提供了基础。最后,考虑到草图详尽程度不同引起的视觉内容变化较大,提出一种多细节尺度的深度跨域模型,通过不同细节尺度的手绘草图、遥感图像以及遥感图像边缘训练模型从而解决该问题。多尺度深度模型能够提取不同细节尺度的手绘草图与图像特征,同时克服跨域难题,较好地描述草图与遥感图像共性的视觉特征。实现了利用手绘草图高效准确地从海量图像中搜索出需要的遥感图像。为验证本文提出算法的性能,我们在两个高分辨率遥感图像数据集上进行了实验,并进行了对比实验。结果验证了本文深度特征与深度跨域特征的有效性。