[发明专利]一种基于机器学习的图像时空索引快速检索方法

权利要求书

1.一种基于机器学习的图像时空索引快速检索方法，其特征在于：

包括如下步骤：

步骤1、选取某一区域或全球的各个层级的遥感图像；

步骤2、随机切割一预定大小的图块，并使用时空索引对随机切割的图块数据进行编码作为训练数据；所述步骤2中，为统一各层级的不同图像的输出值，将geohash值的编码转换：将0值替换为-1，再最后补齐0到固定长度；所述编码转换利用非0值保留了编码前的长度信息，通过去掉后面冗余的0，得到编码长度，避免原编码中的0造成的长度歧义；

步骤3、利用上述切割的图块训练深度神经网络，输出图像对应的时空索引；

步骤4、最后选择区域内任一层级图像，输入训练后的深度神经网络，得出对应时空索引。

2.根据权利要求1所述的一种基于机器学习的图像时空索引快速检索方法，其特征在于：

所述步骤1具体包括：将图像等尺寸随机切割为相同大小，并使用geohash算法计算切割后图像块中心点位置对应的索引。

3.根据权利要求1所述的一种基于机器学习的图像时空索引快速检索方法，其特征在于：

所述步骤3所使用的深度神经网络结构为：输入一幅固定尺寸的遥感图像，经过卷积层1、卷积层2与全连接层2后，输出编号值；

经过卷积层1，全连接层1后输出一个标志位，标志编号值的有效位数。

4.根据权利要求1所述的一种基于机器学习的图像时空索引快速检索方法，其特征在于：

所述步骤3深度神经网络的训练过程为：

步骤4.1、记号：输入图像x，训练网络f，标志位输出为y，编号输出为z，[y,z]＝f(x)；

步骤4.2、令损失函数：

其中为标志位输出期望，为编号输出期望，λ为标志位的损失权重，利用梯度下降优化算法，迭代优化至损失收敛即完成训练。

5.根据权利要求1所述的一种基于机器学习的图像时空索引快速检索方法，其特征在于：

所述步骤4中，随机选取步骤1中所选择区域的一幅没有geohash编码的图像，切割为步骤2中预定的大小，输入到训练完成的深度神剑网络中，得到的输入图像对应的geohash值。