[发明专利]一种遥感图像的检索方法

说明书

技术领域

本发明涉及一种遥感图像的检索方法，具体的说，是涉及一种基于隐含狄利克雷分配模型（Latent Dirichlet Allocation - LDA）的快速高分辨率遥感信息检索方法，属于遥感领域。

背景技术

近年来，各式各样的传感器无时不刻不在采集各种时间、空间和光谱分辨率的遥感影像，产生了呈几何级数增长的遥感数据。但实际上，多源海量遥感数据的利用率仍然较低，从遥感数据中获得并使用的信息不足以满足各种应用的需求。在海量遥感数据的存储和管理方面，NASA的WIST、USGS、Geospatial One-Stop、欧盟的INSPIRE、eoPortal和我国的地球系统科学数据共享网等遥感数据分发共享网站，仍采用集中式的数据中心方式，以单文件的形式存储和组织遥感数据；也通常只支持基于元数据的遥感数据在线检索。这使得科学研究者和数据用户需花费大量精力来寻找他们所感兴趣的遥感数据，而对于使用者更高层次的需求——高分辨率遥感影像中的高精度信息检索，如各种人工地物的检测与统计，它们更是无能为力。这表明，此方式已无法应对当前高产、海量和复杂的遥感数据，也无法满足广大用户高时效检索并使用遥感数据的需求。

在图像检索领域，像当前作为主流技术是基于内容的图像检索。但是仅仅从图像底层视觉特征层次进行检索，无法达到人类解译图像的层次高度，即无法跨跃所谓的“语义鸿沟”，无法真正满足用户的查询需求。在计算机视觉领域，主要有Bag of Words模型和星形图空间模型，以及更高层次上的场景检索，但也面临着海量像素、海量类别和海量图像的问题。

传统遥感影像检索系统主要是基于遥感影像的元数据、底层视觉特征或语义标注来实现检索功能，但当面对高分辨率遥感影像的海量性时，会因为计算量大或人力标注工作量大而显得力不从心，无法兼顾时效性和准确性。

发明内容

为解决上述技术问题，本发明的目的在于提供一种具有较好的降维效果，检索准确度更高的遥感图像的检索方法。

为达到上述目的，本发明的技术方案如下：一种遥感图像的检索方法，具体检索步骤如下：

步骤一：高分辨率遥感影像集获取；

步骤二：小影像集大文件预处理；

步骤三：底层视觉特征检测与描述；

步骤四：视觉词汇表聚类生成；

步骤五：基于隐含狄利克雷分配模型的遥感影像检索排序；

步骤六：高分辨率遥感影像精确地物检索。

进一步地，步骤三中检测底层视觉特征的具体方法为：采用最大稳定极值区域和Harris-Affine两种底层视觉特征来完成，再使用SIFT128维特征描述器进行描述。

进一步地，步骤四中视觉词汇表聚类生成的具体方法为选择聚类分析。

进一步地，步骤五中隐含狄利克雷分配模型的建立方法为：从高分辨率遥感影像集的视觉词项—遥感影像共现矩阵处理开始，首先，进行遥感影像集级参数的计算；然后，计算主题数；按照预先设定逐渐增大的不同主题数，计算出多组参数，获得多个高分辨率遥感影像集的隐含狄利克雷分配模型；同时计算每个模型的困惑度，取当困惑度局部极小值时对应的主题数作为当前隐含狄利克雷分配模型的最优主题数，高分辨率遥感影像集的隐含狄利克雷分配模型建立完成。

进一步地，步骤五中遥感影像检索排序的方法为：通过从视觉词汇—主题概率矩阵中取出相应的行，得到组成待查高分辨率遥感影像中视觉词项与所有主题的概率关系矩阵，再乘以主题—遥感影像概率矩阵得出待查高分辨率遥感影像中各词项与高分辨率遥感影像中各遥感影像的概率关系矩阵。

进一步地，所有主题的概率关系矩阵与主题—遥感影像概率矩阵采用对数化简求和的方式进行求积计算，采用以下公式计算：

式中，为待查遥感影像与张遥感影像的相似概率， 为待查遥感影像中第个视觉词项与第张遥感影像的相似概率；之后，系统对得出的待查遥感影像与高分辨率遥感影像库中各幅遥感影像的相似概率行向量按数值进行排序，按由高到低的相似程度返回高分辨率遥感影像查询结果。

采用上述技术方案，本发明技术方案的有益效果是：一种遥感图像的检索方法，具有较好的降维效果，检索准确度更高，可将检索地图准确标识；检测底层视觉特征的方法是通过采用最大稳定极值区域和Harris-Affine两种底层视觉特征来完成，能够为遥感影像提取更稳定视觉特征；采用隐含狄利克雷分配模型，在一定程度上适用于新引入的影像文档和主题，显著提高了模型的扩展性。

附图说明