隨著航空航天技術、傳感器技術的快速發(fā)展,人類對地觀測技術得到了極大的提升,遙感圖像數(shù)據(jù)的數(shù)量和質量快速增長。如何針對海量遙感圖像數(shù)據(jù)特點,設計有效的特征提取和相似性度量方法,從而達到精確、高效的檢索目的,是遙感圖像檢索領域的一個研究熱點和難點。由于遙感圖像數(shù)據(jù)本身具有海量性、復雜性、多樣性的特點,現(xiàn)有的特征提取方法應用于遙感圖像時對特征的描述不夠完備,特征描述與高層語義之間存在著“語義鴻溝”,不能準確表達用戶的檢索意圖;另外,目前對于遙感圖像提取的特征維度過高,這勢必對大規(guī)模遙感圖像的檢索效率造成影響。因此目前基于內容的遙感圖像檢索相關方法還不能滿足應用需求。本文圍繞遙感圖像檢索的特征提取和相似性度量兩方面,展開了研究,具體研究工作如下:(1)從遙感圖像的成像特點出發(fā),考慮到遙感圖像多角度成像特點,提出基于特征圖變換的旋轉不變性網(wǎng)絡和基于空間變換的旋轉不變性網(wǎng)絡,提取圖像中目標旋轉不變性特征。前者將最后一層卷積層進行不同角度的旋轉,然后綜合所有損失函數(shù)優(yōu)化網(wǎng)絡參數(shù),旨在使得不同的旋轉形態(tài)得到相同的分類結果;后者將空間變換網(wǎng)絡作為模塊加入到網(wǎng)絡模型中,并通過孿生網(wǎng)絡的方式對于該模型進行訓...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

圖2-2CBIR圖像檢索系統(tǒng)

基于深度學習特征的遙感影像檢索研究17圖2-2CBIR圖像檢索系統(tǒng)2.2基于內容的遙感影像檢索技術CBRSIR作為CBIR技術對于遙感影像的檢索特例，目前的研究重點也在于影像特征（主要是低層和中層視覺特征）的選擇和描述上。本節(jié)將以CBIR為例，介紹常用的圖像低層和中層視覺特征提取....

圖3-4RSD數(shù)據(jù)集（圖中每個類別分別給出了1幅示例圖像）

基于深度學習特征的遙感影像檢索研究53圖3-4RSD數(shù)據(jù)集（圖中每個類別分別給出了1幅示例圖像）（2）對比實驗為了驗證論文提出的SIFT自編碼遙感影像檢索方法對高分辨率遙感影像的檢索結果，基于UCM與RSD兩個數(shù)據(jù)集論文進行了以下三個對比實驗。SIFT自編碼與傳統(tǒng)自編碼對比實驗：....

圖3-7SIFT與DenseSIFT自編碼特征池化后處理對RSD圖像庫的檢索結果（圖

基于深度學習特征的遙感影像檢索研究61RSD圖像庫實驗結果圖3-7給出了SIFT與DenseSIFT自編碼平均池化和最大池化后處理方法在不同激活函數(shù)組合下對RSD圖像庫的檢索結果，可以看出：（1）采用平均池化和激活函數(shù)組合“ReLU+x”的SIFT自編碼在RSD圖像庫上取得了最好....

圖3-9SIFT自編碼特征聚合BoVW后處理在不同字典大小下對UCM與RSD圖像庫的檢索結果

基于深度學習特征的遙感影像檢索研究63圖3-9SIFT自編碼特征聚合BoVW后處理在不同字典大小下對UCM與RSD圖像庫的檢索結果圖3-10SIFT自編碼特征聚合BoVW對UCM圖像庫中各類別地物的檢索結果

本文編號：3997428