[发明专利]一种基于视觉显著点特征的遥感影像检索方法

权利要求书

1.一种基于视觉显著点特征的遥感影像检索方法，其特征在于，包括以下步骤：

步骤一，对于影像库中的每一幅影像，分别采用GBVS模型计算相应的影像显著图，获得影像中每个像素对应的显著度；影像库中的影像包括预先输入的查询影像和多幅候选影像；

步骤二，对于影像库中的每一幅影像，进行基于Quick Shift算法的过分割；

步骤三，对于影像库中的每一幅影像，分别利用步骤一获取的像素显著度和步骤二获取的影像过分割结果，计算影像过分割结果中每个区域的显著度，形成分割区域显著图；

步骤四，对于影像库中的每一幅影像，分别基于步骤三中获得的分割区域显著图，采用OTSU算法进行自适应阈值分割，提取影像的视觉显著区；

步骤五，对于影像库中的每一幅影像，分别利用SIFT算子计算所有局部不变特征，获得相应归一化的特征向量；

步骤六，对于影像库中的每一幅影像，分别利用步骤四获取的视觉显著区对步骤五获取的所有局部不变特征进行过滤，将视觉显著区内的局部不变特征视为视觉显著点特征，进而由多个视觉显著点的相应特征向量构建视觉显著点特征矩阵，作为影像的特征描述；

步骤七，采用预设的相似性度量方法，通过视觉显著点特征矩阵计算查询影像与影像库中各候选影像的相似度，将候选影像按照相似度从大到小排序并输出为检索结果。

2.根据权利要求1所述基于视觉显著点特征的遥感影像检索方法，其特征在于：步骤三中，计算影像过分割结果中每个区域的显著度时，首先统计区域内每个像素的显著度，然后计算区域内所有像素的显著度均值作为区域显著度。

3.根据权利要求1或2所述基于视觉显著点特征的遥感影像检索方法，其特征在于：步骤七中，预设的相似性度量方法实现方式如下，

(1) 对于影像库中所有候选影像，分别进行以下处理，

对于查询影像的视觉显著点特征矩阵中每个特征向量，计算其与候选影像的视觉显著点特征矩阵中所有特征向量的最小欧氏距离，记为该特征向量到候选影像的视觉显著点特征矩阵的距离；

计算查询影像的视觉显著点特征矩阵中所有特征向量到候选影像的视觉显著点特征矩阵的距离均值，记为查询影像到候选影像的距离；

(2) 对查询影像到影像库中各候选影像的距离进行归一化，归一化后所得结果越大则相似度越小，归一化后所得结果越小则相似度越大。