[发明专利]遥感图像的检索方法、装置、电子设备及存储介质

说明书

本申请提供一种遥感图像的检索方法、装置、电子设备及计算机可读存储介质。遥感图像的检索方法包括：获取待检索遥感图像中多个图像块的至少两种特征；将多个图像块的至少两种特征存储至特征索引库，并在特征索引库中构建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；将用户感兴趣图像的至少两种特征与特征索引库中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；将与用户感兴趣图像的至少两种特征相似度最高的待检索遥感图像的图像块作为检索结果。不仅能够提高遥感图像的检索精度，还能够提高遥感图像的检索效率。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种遥感图像的检索方法、装置、电子设备及计算机可读存储介质。

背景技术

图像检索主要包括两种。第一种：基于文本的图像检索。具体来说，就是通过作者、年代等文本描述信息实现绘画作品的搜索。第二种：基于内容的图像检索。具体来说，就是对图像的颜色、纹理、形状、布局等特征进行提取，然后基于提取的特征与特征库中的图像进行相似度计算，进而将特征库中相似度最高的一个或多个图像作为检索结果。

随着人工智能技术的不断发展，在对图像的颜色、纹理、布局等特征进行提取时，逐渐采用深度卷积神经网络模型代替sift、hog、harr、gist等特征提取算子以及基本的机器学习方式对图像的颜色、纹理、形状、布局等特征进行提取。这样，不仅能够将图像中的颜色、纹理、形状、布局等浅层特征提取出来，还能够将图像中的深层特征提取出来。进而基于提取的特征进行相似度计算，得出检索结果。

然而，遥感图像区别于自然图像。遥感图像的特征更为复杂多变。并且，遥感图像包含有大量的地表信息。若采用深度卷积神经网络模型对大范围的遥感图像进行检索，具体的，采用深度卷积神经网络模型提取遥感图像的二进制哈希特征，然后对提取的二进制哈希特征构建索引，进行相似度计算。这样很容易出现遥感图像中哈希特征相似度计算值相同的两个目标，实际差异巨大的问题，进而降低遥感图像检索的准确性。并且，由于遥感图像的数据量较大，在进行图像检索时需要将提取的特征逐个与特征库中的特征进行相似度计算，耗时较长，因此，还会降低遥感图像的检索速度。

发明内容

本申请实施例的目的是提供一种遥感图像的检索方法、装置、电子设备及计算机可读存储介质，能够提高遥感图像的检索精度和效率。

为解决上述技术问题，本申请实施例提供如下技术方案：

本申请第一方面提供一种遥感图像的检索方法，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。

本申请第二方面提供一种遥感图像的检索装置，包括：第一输入模块，用于获取待检索遥感图像中多个图像块的至少两种特征；存储模块，用于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；第二输入模块，用于获取用户感兴趣图像的至少两种特征；索引模块，用于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；输出模块，用于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。

本申请第三方面提供一种电子设备，包括：至少一个处理器；以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行第一方面中的方法。