[发明专利]遥感影像特征库生成、遥感影像检索方法及装置在审
申请号: | 201911204905.X | 申请日: | 2019-11-29 |
公开(公告)号: | CN110956213A | 公开(公告)日: | 2020-04-03 |
发明(设计)人: | 邓练兵;李大铭 | 申请(专利权)人: | 珠海大横琴科技发展有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F16/53;G06F16/55;G06N3/04 |
代理公司: | 北京润泽恒知识产权代理有限公司 11319 | 代理人: | 莎日娜 |
地址: | 519000 广东省珠海市横琴新*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 遥感 影像 特征 生成 检索 方法 装置 | ||
1.一种遥感影像特征库生成方法,其特征在于,所述方法包括:
读取预先上传至分布式存储系统中的多景遥感影像;
针对每景遥感影像,分别提取所述遥感影像的多个候选区域;
针对每个候选区域,分别提取所述候选区域的图像特征;
对全部候选区域的图像特征进行聚类,得到K个聚类中心,K为正整数;
针对每个候选区域,分别获取所述候选区域的图像特征与每个聚类中心的相似度,将得到的K个相似度组成所述候选区域对应的K维特征向量;
将所述K个聚类中心,以及每景遥感影像的每个候选区域对应的K维特征向量,存储至遥感影像特征库中。
2.根据权利要求1所述的方法,其特征在于,所述提取所述遥感影像的多个候选区域,包括:
将所述遥感影像分割成多个子区域;
计算每两个相邻子区域的相似度;
将相似度大于第一预设阈值的相邻子区域合并,得到多个合并区域;
确定每个所述合并区域的权重;
将权重最大的第一预设个数的合并区域作为所述遥感影像的多个候选区域。
3.根据权利要求2所述的方法,其特征在于,所述确定每个所述合并区域的权重,包括:
按照所述合并区域的生成顺序,为每个所述合并区域赋予权重,生成顺序在先的合并区域的权重大于生成顺序在后的合并区域的权重;
计算每两个合并区域的相似度;
将相似度大于第二预设阈值的两个合并区域的权重累加,将累加后的权重作为所述相似度大于第二预设阈值的两个合并区域的权重。
4.根据权利要求1所述的方法,其特征在于,所述遥感影像在所述分布式存储系统中以二进制数据流格式分块存储;所述读取预先上传至分布式存储系统中的多景遥感影像,包括:
针对每景遥感影像,获取所述遥感影像的各分块的二进制数据流,对传输过程中的二进制数据流进行序列化与反序列化;
在所述二进制数据流传输完成后,将所述遥感影像对应的分块参数设置为不分块;
将所述二进制数据流中Text类型的数据作为key,BytesWritable类型的数据作为value,构建预设格式的所述遥感影像。
5.一种遥感影像检索方法,其特征在于,所述方法包括:
获取待检索图像,提取所述待检索图像的图像特征;
获取预先生成的遥感影像特征库中存储的K个聚类中心,以及每景遥感影像的每个候选区域对应的K维特征向量,K为正整数;所述遥感影像特征库是根据权利要求1至4中任一项所述的方法生成的;
计算所述待检索图像的图像特征与所述K个聚类中心的相似度,将得到的K个相似度组成所述待检索图像对应的K维特征向量;
分别计算所述待检索图像对应的K维特征向量与每个候选区域对应的K维特征向量的相似度,将相似度最大的第二预设个数的候选区域所属的遥感影像作为所述待检索图像对应的遥感影像。
6.一种遥感影像特征库生成装置,其特征在于,所述装置包括:
读取模块,用于读取预先上传至分布式存储系统中的多景遥感影像;
区域提取模块,用于针对每景遥感影像,分别提取所述遥感影像的多个候选区域;
第一特征提取模块,用于针对每个候选区域,分别提取所述候选区域的图像特征;
聚类模块,用于对全部候选区域的图像特征进行聚类,得到K个聚类中心,K为正整数;
第一组合模块,用于针对每个候选区域,分别获取所述候选区域的图像特征与每个聚类中心的相似度,将得到的K个相似度组成所述候选区域对应的K维特征向量;
存储模块,用于将所述K个聚类中心,以及每景遥感影像的每个候选区域对应的K维特征向量,存储至遥感影像特征库中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海大横琴科技发展有限公司,未经珠海大横琴科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911204905.X/1.html,转载请声明来源钻瓜专利网。