[发明专利]基于深度哈希的多源遥感影像检索方法

权利要求书

1.一种基于深度哈希的多源遥感影像检索方法，其特征在于，采用多源遥感影像训练样本集对多分支轻量化深度哈希编码网络进行训练，将训练后的网络用于多源遥感影像的哈希编码并对编码结果进行相似性度量，实现影像检索；

所述的多分支轻量化深度哈希编码网络，包括：使用pytorch深度学习框架构建的全色深度哈希编码网络和多光谱深度哈希编码网络，其中：全色深度哈希编码网络根据全色遥感影像提取出全色遥感影像特征，并对提取出的特征进行哈希编码，多光谱深度哈希编码网络根据多光谱遥感影像提取出多光谱遥感影像特征，并对提取出的特征进行哈希编码。

2.根据权利要求1所示的基于深度哈希的多源遥感影像检索方法，其特征是，所述的全色深度哈希编码网络使用全卷积结构，包括：五个子模块以及哈希映射层，其中：第一至第三子模块均包括二维卷积层、LeakyReLU层和二维平均池化层，第四和第五子模块均包括瓶颈模块、LeakyReLU层和二维平均池化层，再通过哈希映射层分别对提取出的特征进行哈希编码进而得到对应的哈希码；

所述的多光谱深度哈希编码网络包括：若干个并联的通道融合模块和经过预训练的AlexNet和哈希映射层，其中：不同卫星的多光谱影像数据采用不同的通道融合模块，以便更好地保留相似的特征，减少不同卫星带来的差异，得到更高质量的通道融合图，再通过哈希映射层分别对提取出的特征进行哈希编码进而得到对应的哈希码。

3.根据权利要求2所示的基于深度哈希的多源遥感影像检索方法，其特征是，所述的全色深度哈希编码网络和多光谱深度哈希编码网络中的哈希映射层之间共享哈希映射层，通过反向传播更新迭代参数

4.根据权利要求2或3所示的基于深度哈希的多源遥感影像检索方法，其特征是，所述的哈希映射层包括：线性映射层和Tanh激活函数，将特征提取网络提取到的n个样本的多维特征向量投影到nh维向量空间，得到近似哈希向量构成的矩阵当特征提取网络得到的特征向量集合X^T＝[x₁，x₂，...，x_n]^T，x_i∈R¹⁰²⁴，i＝1，2，...，n，1024为特征向量维度；则有其中：为哈希映射层通过反向传播更新迭代得到的参数，f_i是近似哈希向量；再由近似哈希向量构成的矩阵进一步得到哈希码矩阵其中：b_i为第i个哈希码。

5.根据权利要求1所示的基于深度哈希的多源遥感影像检索方法，其特征是，所述的训练，基于最大后验估计设计贝叶斯多项损失函数，同时考虑到了不同源遥感影像之间的相似关系的条件分布，同源遥感影像之间的相似性关系的条件分布，以及近似哈希向量的先验分布。