[发明专利]融合空间关系语义的高分辨率遥感图像检索方法

权利要求书

1.融合空间关系语义的高分辨率遥感图像检索方法，包括遥感图像的离线处理和遥感图像的在线检索两部分；其中：

遥感图像的离线处理，其步骤是：

(a)主成分变换

将多波段图像，采用图像主成分变换对图像进行处理，获取图像主成分变换图像；

(b)基于五叉树的图像分解与视觉特征提取

对图像主成分变换图像采用五叉树分解法进行图像分块；分块之后，提取每个叶子节点图像的颜色特征、纹理特征；

(c)基于四叉树的图像分解以及SVM分类

首先对图像主成分变换图像进行四叉树分块，再利用SVM对分块后的叶节点图像进行分类；具体过程如下：

第一步：对图像主成分变换图像采用四叉树分解法进行图像分解：设定最小尺度阈值和最小灰度值的方差阈值；首先将图像主成分变换图像分成四个大小相同的图块，如果各分块的尺度值小于等于最小尺度阈值则不再分块，对应四叉树的节点标记为叶子节点，否则计算块内像素灰度值的方差，如果小于等于最小灰度值的方差阈值则不再分块，对应四叉树的节点标记为叶子节点，否则对该子块继续分块处理，对应四叉树的节点标记为非叶子节点；以上过程递归进行，直到每子块均不能再分解；

第二步：SVM图像分类：对图像主成分变换图像进行四叉树分解以后，利用SVM对分块后的图像进行分类；为SVM选择高斯径向基函数并进行样本采集和SVM分类器训练，而后遍历四叉树，求得叶节点图像所对应的原始图像的各波段灰度均值，根据SVM训练得到的地物类型，判断该子块所属类别，完成分类过程；

第三步：分类后处理：在进行图像分类之后，得到由多种类型的图斑所组成的分类图，然后对分类图进行后处理，即去除较小图斑，其过程如下：根据面积阈值寻找所有的细小图斑，遍历所有相邻的图斑，如果与其相邻的所有图斑地物类型一致，则将该小图斑的地物类型修改成其周围图斑类型；

(d)特征入库

分别将提取的24维图像的纹理特征和2维的图像颜色特征经过归一化处理之后入库；所述归一化处理为极值归一化：

Vnew=Vold-min(Vold)max(Vold)-min(Vold)]]>

式中，V_new表示归一化后的向量值，V_old表示归一化前的向量值，min(V_old)、max(V_old)分别表示某一特征向量在数据库中的最小值，最大值；通过上式将各特征向量的值都映射到[0，1]区间；

对于语义特征，对图像主成分变换图像利用四叉树分解和SVM分类以及分类处理之后，得到分类结果图，该分类结果图是由分类后的图斑组成的；将图像主成分变换图像经五叉树分解之后尺寸大于256×256的子图像与该分类结果图进行空间叠置，即可以得到每个子图像所包含的分类图斑信息；据此即可获得该子图像的空间对象语义；用一个二进制串来存储该子图像的对象语义信息；

此外，为获取该子图像的空间关系语义特征，对分类的图斑给予唯一标识，并建立、存储图斑间的拓扑邻接关系信息；

在特征入库阶段，采用关系数据库对视觉特征、语义特征进行存储；

遥感图像的在线检索，其步骤为：

(a)基于对象语义的语义粗检索：

第一步：语义查询：用一个字符串来表示图像包含的对象语义信息；

第二步：语义解析：根据用户指定的对象语义信息遍历图像数据库，进行字符串匹配，检索出包含了用户指定的对象类别的所有图像；

(b)基于空间关系语义和视觉特征的精检索

第一步：选择模板图像，即从语义粗检索出的所有图像中选择一幅图像作为模板图像；

第二步：视觉特征匹配：分别从数据库中读取模板图像和数据库中待匹配图像的视觉特征，建立对应的直方图；根据直方图相交计算原理，计算两幅图像的视觉特征的相似性大小；

第三步：空间关系语义匹配：通过SVM分类，已获取了四叉树中每个子块的语义类别，且存储了子块内的图斑间邻接关系，为此可以根据这些信息计算图像之间的空间关系相似性；

具体过程如下：设定分类类别数，建立空间关系直方图，其横轴表示对象类别组合，纵轴表示面积累加值；对于每个待考察图斑，获取其对象类别，遍历所有与其具有相邻关系的图斑，同样获取这些图斑的类别信息；将相邻图斑的面积加到空间关系直方图对应对象类别组合的柱子上；依次考察每个图斑，执行上述操作；对所有图斑遍历一次，就可得到该图像的空间关系直方图；分别构建模板图像和待匹配图像所包含对象之间的空间关系直方图，最后同样利用直方图相交方法计算两者的空间关系的相似性；

第四步：综合两幅图像的视觉相似性和空间关系相似性，用两者的加权平均值来表示两幅图像的综合相似性大小，指定相似性阈值，将粗检索结果中与用户选择的模板图像相似性大于该阈值的图像返回，完成整个检索过程。