黄素琴

(广东省国土资源测绘院, 广东 广州 510500)

0 引言

高光谱遥感影像蕴含着丰富的地物信息,可为地矿深层勘探、土地资源监管、农业生产规划提供重要的数据[1]。由于遥感图像数量巨大,在进行调取应用时需要对其分类检索,从而匹配到具有相似或相同特征的检索图像,从最初的基于文本的图像检索方法发展至目前的基于内容的图像检索技术,遥感影像的检索精度和效率上有了较大提升[2]。

在遥感图像检索方法上,很多学者均提出了自己的见解和观点,最开始的全局特征提取到目前主流的融合局部特征的提取,这大大提升了检索效率、缩短了检索时间[3-4]。卷积神经网络不仅具有强大的特征提取能力,还具有很强的分类能力,是目前在各领域最常用的一种深度学习方法,具有局部连接、权值共享、空间采样等特征,在图像分类和目标识别等工作中得到广泛应用[5-8]。但是,检索出来的图像如何展现给用户又是一个问题,每一个检索到的图像与查询图像之间肯定存在一定的关联,且关联度是互不相同的,需要采用一种方法来对检索到的图像进行排序,然后依次推荐给用户,从而提高用户的检索效率,距离权重算法可实现这一目的,且在测绘领域已有一定的应用[9-10],也为遥感图像分类检索提供了新的方向。

本文基于卷积神经网络和距离权重,提出了一种新的遥感图像分类检索方法,以期能为提升遥感图像的检索效果提供借鉴。……