沈 忱,祁 昆 仑,刘 文 轩,吴 华 意

(武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉 430079)

基于FSFDP-BoV模型的遥感影像检索

沈 忱,祁 昆 仑,刘 文 轩,吴 华 意

(武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉 430079)

为提高遥感影像检索的精度，提出一种基于快速查找密度峰值聚类(Fast Search and Find of Density Peaks,FSFDP)的改进视觉词袋(Bag of Visual word,BoV)模型，该方法充分利用FSFDP聚类算法分类精度高和聚类参数易于选择等优点，增强BoV模型特征量化的稳定性和可靠性。实验表明，与经典BoV模型相比，FSFDP-BoV模型能够得到更高的检索精度。

遥感影像;检索;BoV;密度峰值聚类

0 引言

随着遥感影像的数据源和数据量的快速增长[2]，基于内容的图像检索[2]成为当前遥感影像检索的一个研究热点和难点[3,4]，提高遥感影像检索精度已成为基于内容的影像检索研究的必经之路。

视觉词袋(Bag of Visual word,BoV)模型是基于内容的图像检索中最热门的方法之一[5]。BoV模型源于信息领域的词袋(Bag of Words,BoW)模型。对于一个文本，BoW模型忽略其词序和语法句法，仅仅将其看作是一个词集合，文本中每个词的出现都是独立的，不依赖于其他词是否出现，即在任意位置选择一个词汇都不受前面句子的影响。由于BoW模型在特征描述方面有着独特的优势，因此将BoW模型的思想应用于图像的特征描述中，即BoV模型，当前已经广泛地应用于图像和视频的检索方面[6,7]。

为提升BoV模型在遥感影像检索中的精度和效率,研究者对BoV模型做出了改进[6-11]，改进后方法能够有效地提高检索的精度，但在特征量化时均没有考虑密度信息，无法满足地物繁多且目标复杂的高分辨率遥感影像检索的需求。……