[发明专利]基于深度哈希的多源遥感影像检索方法

说明书

一种基于深度哈希的多源遥感影像检索方法，采用多源遥感影像训练样本集对多分支轻量化深度哈希编码网络进行训练，将训练后的网络用于多源遥感影像的哈希编码并对编码结果进行相似性度量，实现多源遥感影像检索。本发明通过多分支轻量化深度哈希编码网络，使用不同结构的深度神经网络分别对全色影像和多光谱影像进行深度特征提取，并采用参数共享的哈希映射层对相应的深度特征进行哈希编码；根据最大后验估计，设计贝叶斯多项损失函数，可胜任海量多源遥感影像的快速检索。

技术领域

本发明涉及的是一种遥感影像应用领域的技术，具体是一种基于深度哈希的多源遥感影像检索方法。

背景技术

随着对地观测技术的飞速发展，遥感大数据时代的到来，从海量的遥感影像中快速找到感兴趣的目标或地物的遥感影像检索已经成为充分发挥遥感影像应用价值的一个关键技术。传统的基于内容的遥感影像检索一般提取的是人工设计的特征，如SIFT+BoW、GIST等。但由于不同来源的遥感影像通常具有不同的空间分辨率、光谱分辨率，这些人工设计的特征往往很难捕获不同来源遥感影像中目标或地物的特征，难以胜任遥感大数据时代的海量遥感影像检索的需要。

深度哈希检索方法通过设计深度神经网络，以自学习的方式从遥感影像中学习得到其所包含的目标或地物的深度特征并进行深度哈希编码，再利用近似最近邻方法通过深度哈希码之间的相似性来实现检索。但现有深度哈希图像检索方法如CNNH和CNNH+，以及DNNH、DHN、DCH等方法虽然进一步提升了图像检索的性能，但这些技术仅能用于单源(同一卫星)遥感影像的检索，无法胜任多源遥感影像的检索。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于深度哈希的多源遥感影像检索方法，通过多分支轻量化深度哈希编码网络分别对全色影像和多光谱影像进行深度特征提取，并采用参数共享的哈希映射层对相应的深度特征进行哈希编码；根据最大后验估计，设计贝叶斯多项损失函数，可胜任海量多源遥感影像的快速检索。

本发明是通过以下技术方案实现的：

本发明涉及一种基于深度哈希的多源遥感影像检索方法，采用多源遥感影像训练样本集对多分支轻量化深度哈希编码网络进行训练，将训练后的网络用于多源遥感影像的哈希编码并对编码结果进行相似性度量，实现多源遥感影像检索。

所述的多分支轻量化深度哈希编码网络，包括：使用pytorch深度学习框架构建的全色深度哈希编码网络和多光谱深度哈希编码网络，其中：全色深度哈希编码网络根据全色遥感影像提取出全色遥感影像特征，并对提取出的特征进行哈希编码。多光谱深度哈希编码网络根据多光谱遥感影像提取出多光谱遥感影像特征，并对提取出的特征进行哈希编码。

所述的全色深度哈希编码网络使用全卷积结构，包括：五个子模块以及哈希映射层，其中：第一至第三子模块均包括二维卷积层、LeakyReLU层和二维平均池化层，第四和第五子模块均包括瓶颈模块、LeakyReLU层和二维平均池化层。哈希映射层对提取出的特征进行哈希编码得到对应的哈希码。

所述的多光谱深度哈希编码网络包括：若干个并联的通道融合模块和经过预训练的AlexNet和哈希映射层，其中：不同卫星的多光谱影像数据采用不同的通道融合模块，以便更好地保留相似的特征，减少不同卫星带来的差异，得到更高质量的通道融合图。哈希映射层对提取出的特征进行哈希编码进而得到对应的哈希码。