[发明专利]一种遥感影像检索定位方法

说明书

本发明涉及一种遥感影像检索定位方法，属于遥感影像数据处理技术领域。本发明首先通过自监督网络架构提取影像的具有辨别力和鲁棒性的深度局部特征，解决了传统底层视觉特征难以描述影像高层语义的问题；然后针对带定位查询影像的每一个深度局部特征，都在基准影像构建的局部特征数据库中进行最近邻检索，找到对应的基准影像，并对找到的基准影像进行反距离投票，统计得分靠前的即为候选影像；最后利用图神经网络模型对检索到的候选影像进行几何验证，逐一匹配查询影像与候选影像，得到符合空间几何关系的影像，得到最终的检索结果，以避免由于全球范围内影像局部特征的重复性导致初步检索出现错误的问题，进一步提高了检索的准确性。

技术领域

本发明涉及一种遥感影像检索定位方法，属于遥感影像数据处理技术领域。

背景技术

近年来，随着对地观测技术的快速发展，遥感影像数据急剧增加。遥感影像通常包含了丰富的地理空间信息，但其中大量影像缺乏精确的定位参数，甚至没有任何位置信息。这为影像的后续处理，例如影像几何精校正、地形图等地理信息产品的制作造成了困难。因此，为了实现对没有位置信息的卫星遥感影像进行分析和处理，必须在全球范围内确定其地理位置，及实现卫星影像的全球快速定位。

在含有地理信息的全球基准影像中，检索出与查询影像具有相同区域的影像是解决无位置信息卫星影像快速地理定位的重要技术之一。具体而言就是利用遥感影像检索技术，比较查询影像与全球数据库基准影像的相似程度，以最相似影像的地理位置对查询影像进行地理定位。其流程如图1所示。

遥感影像检索的关键步骤主要有视觉特征的提取和表征，以及特征的相似性度量。近年来，深度学习方法在特征提取方面得到了较快发展，对于遥感检索领域来说，相关的研究主要集中在利用卷积神经网络，为遥感影像生成具有辨别力的鲁棒的特征，以及将深度学习与度量学习结合起来，使用深度神经网络将影像嵌入到度量空间，显示了巨大的潜力。但上述研究都是基于影像全局表示进行检索，适用于具有相似场景类别的影像检索任务。而在基于定位的遥感影像检索任务中，卫星查询影像与基准影像需要有部分重叠才算检索正确，采用单个全局表示影像的方法则无法保证检索结果的准确性，进而影响最终的定位。

发明内容

本发明的目的是提供一种遥感影像检索定位方法，以解决目前遥感影像检索过程中存在的只检索相近影像、不检索相同覆盖区域影像问题。

本发明为解决上述技术问题而提供一种遥感影像检索定位方法，该检索方法包括以下步骤：

1)利用自监督网络架构对数据库影像和查询影像的局部深度特征进行提取和表征；

2)对于每一个查询影像特征，在数据库影像特征中进行最近邻检索，找到排名靠前的预选数量个特征及其对应的基准影像，利用反距离投票的方式为找到的基准影像赋分，统计得分并进行排序，排名靠前的选为候选影像；

3)利用图神经网络模型对检索到的候选影像进行几何验证，逐一匹配查询影像与候选影像，得到符合空间几何关系的影像，将该影像作为最终的检索结果。

本发明为解决异源影像的检索问题，首先通过自监督网络架构提取影像的具有辨别力和鲁棒性的深度局部特征，解决了传统底层视觉特征难以描述影像高层语义的问题；同时，在通过最近邻检索找到候选影像后，利用图神经网络模型对检索到的候选影像进行几何验证，逐一匹配查询影像与候选影像，得到符合空间几何关系的影像，得到最终的检索结果，以避免由于全球范围内影像局部特征的重复性导致初步检索出现错误的问题，进一步提高了检索的准确性。

进一步地，所述的自监督网络架构包括编码器模块、特征点检测模块和描述符构建模块，所述编码器模块用于对输入图像进行编码，所述特征点检测模块用于对编码结果进行特征点检测，以得到特征点检测图；所述描述符构建模块用于对编码结果进行特征点描述，以得到特征点检测图。