胡屹群, 周绍光， 岳 顺， 刘晓晴

(河海大学地球科学与工程学院，南京 211100)

0 引言

随着遥感数据量呈几何级数的增长，如何从大容量的遥感影像库快速浏览和高效检索出感兴趣的目标或者影像成为了人们关注的焦点，也是目前遥感界迫切需要解决的问题之一。对于遥感影像数据库来说，一般的文字搜索模式的作用微乎其微。为了实现对遥感数据库的更精确、更高效的检索，近年来，基于内容的图像检索(content-based image retrieval, CBIR)技术在遥感图像检索中得到了广泛的应用[1-2]。与传统影像处理过程相似，特征提取是完成检索的核心内容，特征一般可分为低层视觉特征和高级语义特征。传统的检索方法主要是根据影像的低层视觉特征(如纹理、颜色和形状等)来进行检索[3]，但是对于场景复杂、目标繁多的遥感影像来说，这些方法存在一定的局限性。局部不变特征(scale invariant feature transform，SIFT)[4-5]因具有较强的鲁棒性以及对不同场景和目标的独立性，在遥感影像检索中也得到了一定的应用[6]。由于SIFT特征提供的语义信息不充足，Yang等[7]提出了利用视觉词袋(bag of visual words,BOVW)[8]模型组合局部不变特征，通过构建视觉词典及空间金字塔匹配(spatial pyramid matching,SPM)[9]建立图像表示模型。进行遥感数据检索时，将影像的SIFT特征与BOVW模型结合在一起能够实现更好的影像检索功能[10]，因而在影像分类和影像检索等遥感领域有广泛的应用。

然而，近10 a基于内容的遥感影像检索对影像提供的语义信息要求越来越高，传统的特征提取的方式不可能完全表达出影像的语义内容，因此，如何把影像的语义信息和机器提取的低层视觉特征联系在一起已经成为遥感领域基于内容检索的一大难题。……