高分辨率光学遥感影像深度语义检索方法研究

发布时间：2023-05-20 07:23

　　随着一系列成像卫星的成功发射,遥感影像数据集规模增大,特征维数升高。大规模遥感影像数据集主要具有三大特点:数据量大,特征维数高,响应时间短,这使得对遥感影像进行高效和准确的检索也变得愈发艰难。因此,如何实现快速高效的遥感影像检索已成为一个越来越具有挑战性的问题。基于哈希的检索方法逐渐成为解决这些难题的核心技术之一。由于其结构简单,检索效率高,空间成本低,扩展简单,不受维数灾难影响的特点,哈希方法已成为大规模影像检索的重要技术。本文结合图像哈希技术和深度学习的思想,研究了大规模高分辨率光学遥感影像的检索问题,论文的主要工作包括以下3个方面:(1)对图像检索、哈希算法、深度学习中涉及基本理论和方法做了详细介绍,包括图像检索的发展历程、哈希算法的基本概念和流程,图像特征的描述,哈希算法的分类,卷积神经网络和反向传播算法等。(2)针对图像检索中存在语义鸿沟的问题,提出了一种面向遥感影像的深度语义哈希检索方法。首先,在具有多语义标签的遥感影像数据训练集的基础上,利用两个不同配置参数的深度卷积网络分别提取遥感影像的影像特征和语义特征,再利用反向传播算法针对提取出的两类特征学习出深度网络中的各项参数...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 图像检索关键技术发展历程
        1.2.1 基于文本的图像检索
        1.2.2 基于内容的图像检索
        1.2.3 基于语义的图像检索
    1.3 本文的主要工作
    1.4 论文的组织结构
第二章 哈希算法及深度学习基础理论
    2.1 图像哈希检索原理及流程
    2.2 图像哈希相关知识
        2.2.1 颜色特征描述
        2.2.2 纹理特征描述
        2.2.3 形状特征描述
    2.3 哈希算法分类
        2.3.1 数据独立哈希
        2.3.2 无监督哈希
        2.3.3 监督哈希
    2.4 深度学习相关理论
        2.4.1 卷积神经网络
        2.4.2 反向传播算法
        2.4.3 基于深度神经网络的哈希学习
    2.5 本章小结
第三章 基于深度语义的图像哈希检索算法
    3.1 引言
    3.2 深度语义检索算法框架
        3.2.1 图像及语义特征学习
        3.2.2 哈希算法设计
    3.3 参数学习
        3.3.1 学习网络参数θx

        3.3.2 学习网络参数θ_y

        3.3.3 学习哈希码矩阵B
        3.3.4 网络传播算法
    3.4 实验结果与对比分析
        3.4.1 图像数据集介绍
        3.4.2 实验方案设计
        3.4.3 实验结果与对比分析
    3.5 本章小结
第四章 面向查询点的遥感影像哈希检索方法
    4.1 引言
    4.2 检索模型
        4.2.1 特征学习模块
        4.2.2 哈希学习模块
    4.3 参数学习
        4.3.1 学习网络参数θ
        4.3.2 学习哈希码矩阵Y
    4.4 实验结果与对比分析
        4.4.1 实验方案设计
        4.4.2 实验结果与分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3820804

suoshi