基于卷积神经网络和重排序的农业遥感图像检索

• 作者: 叶发茂 罗威 肖慧 董萌 赵旭青 闵卫东
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 遥感 图像检索 特征提取 重排序 卷积神经网络
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 138-145
• 页数: 8页
• 分类号: TP394.1|TH691.9
• 字数: 7123字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.15.018

摘要

卷积神经网络具有很强的分类能力,并在图像分类等应用中取得显著成效,但遥感图像检索应用中还较少利用该分类能力.为了提高农业遥感图像检索性能,该文提出一种利用卷积神经网络分类能力的遥感图像检索方法.首先利用微调的卷积神经网络模型提取查询图像的检索特征和估计查询图像的每个类别权重,然后利用根据CNN模型判断的检索图像类别和初始排序结果计算类别查准率,根据查询图像的类别权重和类别查准率计算加权类别查准率,最后根据加权类别查准率对图像类别进行排序,并根据排序结果对初始检索结果进行重排序,从而得到最终的检索结果.试验结果表明:该检索方法在 PatternNet 数据集中平均查准率达到 97.56%,平均归一化调整后的检索秩达到 0.020 1;在UCM_LandUse数据集中平均查准率达到93.67%,平均归一化调整后的检索秩达到0.049 2,较之其他遥感图像检索方法下降0.2358,降幅超过82.7%;平均每张检索图像重排序时间大约是初始排序时间的1%.该文提出的重排序方法可以得到更好的遥感图像检索结果,提高了遥感图像检索性能,将有助于农业信息领域信息化和智能化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶发茂	南昌大学信息工程学院	21	134	7.0	11.0
3	罗威	南昌大学信息工程学院	7	23	2.0	4.0
4	肖慧	南昌大学信息工程学院	4	5	2.0	2.0
5	闵卫东	南昌大学信息工程学院	13	69	4.0	8.0
9	赵旭青	南昌大学信息工程学院	3	3	1.0	1.0
10	董萌	南昌大学信息工程学院	2	2	1.0	1.0