基于深度学习和复杂空间关系特征的多尺度遥感图像检索

• 作者: 张宇婷 王生生
• 来源期刊: 东北师大学报（自然科学版）
• 学科: 工学
• 关键词: 遥感图像 空间关系 多尺度 模糊形状模型
• 年，卷（期）: 2018,（1）
• 页码范围: 54-62
• 页数: 9页
• 分类号: TP391.4
• 字数: 5655字
• 语种: 中文
• DOI: 10.16163/j.cnki.22-1123/n.2018.01.011

摘要

深度学习技术逐渐成为解决图像检索和图像分类问题的主流技术,然而现有算法不能有效地处理遥感图像中的复杂空间关系以及多尺度特征问题.为有效解决遥感图像检索问题,提出了一种综合考虑空间关系与尺度特征的新方法.首先,用深度学习方法检测过的遥感图像抽象为点集;其次,构造Delaunay三角网以描述全局空间关系特征;最后,在空间特征相同的部分中使用模糊性状模型匹配局部空间特征.该模型有效地规避了因尺度不同而产生的视觉差异.在UC Merced Land-Use和RS19等公开数据集上进行实验,结果表明,该算法在多尺度遥感图像检索精度方面的表现优于其他相关方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王生生	吉林大学计算机科学与技术学院	63	623	11.0	23.0
2	张宇婷	吉林大学计算机科学与技术学院	7	30	3.0	5.0