论文摘要
目的针对基于内容的图像检索存在低层视觉特征与用户对图像理解的高层语义不一致、图像检索的精度较低以及传统的分类方法准确度低等问题,提出一种基于卷积神经网络和相关反馈支持向量机的遥感图像检索方法。方法通过对比度受限直方图均衡化算法对遥感图像进行预处理,限制遥感图像噪声的放大,采用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习提取丰富的图像特征,并将支持向量机作为基分类器,根据测试样本数据到分类超平面的距离进行排序得到检索结果,最后采用相关反馈策略对检索结果进行重新调整。结果在UC Merced Land-Use遥感图像数据集上进行图像检索实验,在mAP（mean average precision）精度指标上,当检索返回图像数为100时,本文方法比LSH（locality sensitive Hashing）方法提高了29. 4%,比DSH（density sensitive Hashing）方法提高了37. 2%,比EMR（efficient manifold ranking）方法提高了68. 8%,比未添加反馈和训练集筛选的SVM（support vector machine）方法提高了3. 5%,对于平均检索速度,本文方法比对比方法中m AP精度最高的方法提高了4倍,针对复杂的遥感图像数据,本文方法的检索效果较其他方法表现出色。结论本文提出了一种以距离评价标准为核心的反馈策略,以提高检索精度,并采用多距离结合的Top-k排序方法合理筛选训练集,以提高检索速度,本文方法可以广泛应用于人脸识别和目标跟踪等领域,对提升检索性能具有重要意义。
论文目录
文章来源
类型: 期刊论文
作者: 彭晏飞,宋晓男,武宏,訾玲玲
关键词: 遥感图像检索,卷积神经网络,反馈,支持向量机,对比度受限直方图均衡化,排序
来源: 中国图象图形学报 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 辽宁工程技术大学电子与信息工程学院
基金: 国家自然科学基金项目(61702241),辽宁省教育厅高等学校基本科研项目(LJ2017FBL004),辽宁省博士科研启动基金项目(201601365)~~
分类号: TP751;TP181
页码: 420-434
总页数: 15
文件大小: 2904K
下载量: 336