Print

聚合CNN特征的遥感图像检索

论文摘要

针对高分辨率遥感图像检索中手工特征难以准确描述图像的问题,提出聚合卷积神经网络(convolutional neural network,CNN)特征的方法来改进特征表达。首先,将预训练的CNN参数迁移到遥感图像,并针对不同尺寸的输入图像,提取表达局部信息的CNN特征;然后,对该CNN特征采用池化区域尺寸不同的均值池化和视觉词袋(bag of visual words,Bo VW) 2种聚合方法,分别得到池化特征和Bo VW特征;最后,将2种聚合特征用于遥感图像检索。实验结果表明:合理的输入图像尺寸能提高聚合特征的表达能力;当池化区域为特征图的60%～80%时,绝大多数池化特征的结果优于传统均值池化方法的结果;池化特征和Bo VW特征的最优平均归一化修改检索等级值比手工特征分别降低了27. 31%和21. 51%,因此,均值池化和Bo VW方法都能有效提高遥感图像的检索性能。

论文目录

  • 0 引言
  • 1 聚合CNN特征的图像检索
  •   1.1 网络结构
  •   1.2 特征提取
  •     1.2.1 CNN特征
  •     1.2.2 聚合特征
  •   1.3 检索流程
  • 2 实验结果及分析
  •   2.1 实验数据和评估标准
  •   2.2 池化区域比较
  •   2.3 不同尺寸输入图像的池化特征比较
  •   2.4 不同尺寸输入图像的BoVW特征比较
  •   2.5 查准率—查全率曲线比较
  •   2.6 与其他方法比较
  • 3 结论

    • 文章来源

    类型: 期刊论文

    作者: 葛芸,江顺亮,叶发茂,姜昌龙,陈英,唐祎玲

    关键词: 遥感图像,检索,卷积神经网络,均值池化,视觉词袋

    来源: 国土资源遥感 2019年01期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 南昌大学信息工程学院,南昌航空大学软件学院

    基金: 国家自然科学基金项目“高空间分辨率遥感图像检索中卷积神经网络迁移特征改进方法的研究”(编号:41801288),“基于人工禁忌免疫原理的多源遥感图像自动配准研究”(编号:41261091),“基于多变量自然场景统计和局部均值估计的无参考立体图像质量评价”(编号:61662044),“基于深度神经网络和记忆机制的复杂环境目标跟踪研究”(编号:61663031),江西省青年科学基金项目“基于虹膜生物特征密钥的无线传感器网络用户认证和访问权限的理论与新方法研究”(编号:20161BAB212034)共同资助

    分类号: TP183;TP751

    页码: 49-57

    总页数: 9

    文件大小: 337K

    下载量: 304

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7817d83f433519c680ae28cc.html