[发明专利]基于深度卷积语义网的光学遥感图像检索方法

摘要

本发明公开了一种基于深度卷积语义网的光学遥感图像检索方法，主要解决现有技术中光学遥感图像检索精度低的问题。本发明具体步骤如下：(1)构建深度卷积语义网络；(2)构建训练集；(3)调整网络参数；(4)构建光学遥感图像检索数据库；(5)提取遥感图像特征向量；(6)融合遥感图像特征向量；(7)建立特征库；(8)检索光学遥感图像检索数据库中的光学遥感图像。本发明构建深度卷积语义网络，提取图形的浅层特征、过渡特征以及深层特征，加权融合三个特征，实现不同层级特征优势互补，提高了图像特征的表达能力，进而提高了光学遥感图像的检索精度。

主权项

1.一种基于深度卷积语义网的光学遥感图像检索方法，其特征在于，该方法构建深度卷积语义网络，利用训练好的深度卷积语义网络，分别提取光学遥感图像检索数据库中每幅图像的浅层特征向量、过渡特征向量、深层特征向量，将三个特征向量进行融合，作为每幅图像的融合特征向量，建立特征库，通过计算待检索光学遥感图像的融合特征向量与特征库中每幅图像的融合特征向量两两之间的欧式距离，以及对应的图像之间的相似度，检索出相似度排序中的前30的图像；该方法的具体步骤包括如下：(1)构建深度卷积语义网络：搭建一个25层的深度卷积语义网络，其结构依次为：输入层→第一个卷积层→第二个卷积层→第一个池化层→第三个卷积层→第四个卷积层→第二个池化层→第五个卷积层→第六个卷积层→第七个卷积层→第三个池化层→第四个池化层→第八个卷积层→第九个卷积层→第十个卷积层→第五个池化层→第十一个卷积层→第十二个卷积层→第十三个卷积层→第一个连接层→第六个池化层→第一个全连接层→第二个全连接层→第三个全连接层→分类层；各层的参数设置如下：将输入层特征映射图的总数设置为3个；将第一至第二个共两个卷积层的特征映射图的总数设置为64个，卷积核的尺度设置为3×3个节点；将第三至第四个共两个卷积层的特征映射图的总数设置为128个，卷积核的尺度设置为3×3个节点；将第五至第七个共三个卷积层的特征映射图的总数设置为256个，卷积核的尺度设置为3×3个节点；将第八至第十三个共六个卷积层的特征映射图的总数设置为512个，卷积核的尺度设置为3×3个节点；将第一个连接层的特征映射图的总数设置为768个，卷积核的尺度设置为3×3个节点；将第一至第二个共两个池化层的特征映射图的尺寸设置为2×2个节点；将第三个池化层的特征映射图的尺寸设置为4×4个节点；将第四至第六个共三个池化层的特征映射图的尺寸设置为2×2个节点；将第一个全连接层的特征映射图的总数设置为4096；将第二个全连接层的特征映射图的总数设置为1000；将第三个全连接层的特征映射图的总数设置为128；将分类层中的特征映射图的尺寸设置为20个；(2)构建训练集：(2a)从光学遥感影像数据库中选取1280幅图像组成训练集；(2b)利用傅里叶变换，去除训练集中的每一幅光学遥感图像中的噪声；(2c)在[0，255]区间，对去除噪音后的训练集中的每一幅遥感图像进行归一化处理；(3)调整卷积语义网络参数：将归一化后的训练集图像，输入到深度卷积语义网络模型中，对该模型进行迭代训练，直至深度卷积语义网络的损失值小于预先设定的极小值0.0001，得到训练好的深度卷积语义网；(4)构建光学遥感图像检索数据库：(4a)从光学遥感影像数据库中除训练集以外的图像中，任意选取5120幅图像，组成光学遥感图像检索数据库；(4b)利用傅里叶变换方法，去除光学遥感图像检索数据库中每一幅图像中的噪声；(4c)在[0，255]区间，对去除噪音后的光学遥感图像检索数据库中的每一幅图像进行归一化处理；(5)提取遥感图像特征向量：将光学遥感图像检索数据库中归一化后的图像，批量输入到训练好的深度卷积语义网络中，分别提取第一个全连接层输出的浅层特征向量、第二个全连接层输出的过渡特征向量、第三个全连接层输出的深层特征向量；(6)融合遥感图像特征向量：(6a)利用加权融合公式，对浅层特征向量、过渡特征向量、深层特征向量进行融合，得到融合特征向量；(7)建立特征库：将光学遥感图像检索数据库中所有图像的融合特征向量，保存为pkl格式文件，将该文件作为特征库；(8)检索光学遥感图像检索数据库中的光学遥感图像：(8a)从光学遥感图像检索数据库中的图像中，任意选取1幅图像作为待检索图像，从特征库中取出所选待检索图像的融合特征向量；(8b)计算所选待检索图像与光学遥感图像检索数据库中的每一幅图像两两之间的相似度；(8c)将检索图像库中所有的图像按照相似度的大小排序，选取排名前30的图像，作为检索的光学遥感图像结果。