[发明专利]遥感图像的检索方法、装置、电子设备及存储介质

权利要求书

1.一种遥感图像的检索方法，其特征在于，包括：

获取待检索遥感图像中多个图像块的至少两种特征；

将所述多个图像块的至少两种特征存储至特征索引库，并在所述特征索引库中构建所述待检索遥感图像的多个图像块的至少两种特征的多级索引关系；

获取用户感兴趣图像的至少两种特征；

将所述用户感兴趣图像的至少两种特征与所述特征索引库中所述待检索遥感图像的多个图像块的至少两种特征基于多级索引关系进行相似度计算；

将与所述用户感兴趣图像的至少两种特征相似度最高的所述待检索遥感图像的图像块作为检索结果；

所述待检索遥感图像中多个图像块的至少两种特征包括：语义特征和哈希特征；所述用户感兴趣图像的至少两种特征包括：语义特征和哈希特征；

所述在所述特征索引库中构建所述待检索遥感图像的多个图像块的至少两种特征的多级索引关系，包括：

在所述特征索引库中，根据所述待检索遥感图像中多个图像块的语义特征通过层次化的聚类对所述待检索遥感图像的多个图像块进行分组，建立第一级索引；在每个分组中对每个图像块的哈希特征利用聚类方法建立二级索引结构；

所述获取待检索遥感图像中多个图像块的至少两种特征，包括：

对所述待检索遥感图像进行切片处理，形成多个图像块；

通过双分支深度卷积神经网络模型对所述多个图像块进行计算，得到所述待检索遥感图像中多个图像块的语义特征和哈希特征；

其中，所述双分支深度卷积神经网络模型是采用训练样本集进行训练后得到的；采用验证样本集对所述双分支深度卷积神经网络模型进行验证，根据双分支深度卷积神经网络模型的向后传播机制，直至验证样本集的验证精度达到预期的精度时停止迭代，完成所述双分支深度卷积神经网络模型参数的调试，将验证后的双分支深度卷积神经网络模型作为最终的双分支深度卷积神经网络模型；

所述训练样本集和所述验证样本集组成样本集，所述样本集包括多个已知场景类别的图像，所述多个已知场景类别的图像的场景类别不同，所述多个已知场景类别的图像中对象的尺度越小，对应的图像的分辨率越高，所述样本集中多个已知场景类别的图像的场景类别是根据图像中对象的尺度划分并进行存储的。

2.根据权利要求1所述的方法，其特征在于，所述通过双分支深度卷积神经网络模型对所述待检索遥感图像进行计算，得到所述待检索遥感图像中多个图像块的语义特征和哈希特征，包括：

将所述待检索遥感图像输入所述双分支深度卷积神经网络模型的特征提取模块，得到所述待检索遥感图像中多个图像块的多维特征，所述特征提取模块至少包括卷积层和池化层，所述特征提取模块是基于经典残差神经网络模型搭建的；

将所述多维特征输入所述双分支深度卷积神经网络模型的过渡层，得到所述多个图像块的一维特征；

将所述一维特征输入所述双分支深度卷积神经网络模型的第一全连接层，得到所述多个图像块的固定长度的特征；

将所述固定长度的特征输入所述双分支深度卷积神经网络模型的第一激活层，得到所述多个图像块的二进制哈希特征；

将所述一维特征输入所述双分支深度卷积神经网络模型的第二全连接层，得到所述多个图像块的固定长度的特征；

将所述固定长度的特征输入所述双分支深度卷积神经网络模型的第二激活层，得到所述多个图像块的语义特征；

将所述二进制哈希特征和所述语义特征输入所述双分支深度卷积神经网络模型的输出层，同时输出所述多个图像块的语义特征和二进制哈希特征。

3.根据权利要求1所述的方法，其特征在于，所述获取用户感兴趣图像的至少两种特征，包括：

当所述用户感兴趣图像来源于所述待检索遥感图像时，从所述特征索引库中获取所述用户感兴趣图像的至少两种特征；

当所述用户感兴趣图像非来源于所述待检索遥感图像时，从所述用户感兴趣图像中提取所述用户感兴趣图像的至少两种特征。