[发明专利]基于多特征LSH索引组合的遥感图像检索方法

说明书

技术领域

本发明涉及遥感图像检索技术领域，尤其涉及一种基于多特征LSH索引组合的遥感图像检索方法。

背景技术

近四十年来，对地观测数据量随着遥感技术的发展急剧增加，各种信息系统对地物识别技术的要求越来越高。如何快速、有效地进行遥感图像自动分类及检索已成为急需解决的课题之一。

在一般的图像检索中，检索目标是一幅图像或包含在一幅图像中，检索范围是图像库中其他独立的若干图像。和一般的自然图像检索不同，遥感图像检索具有如下特点：待检索目标处于一幅比较大的遥感图像中，其他相似目标分散在覆盖一定地域范围的一幅或多幅其他遥感图像中，分散的目标具有某种视觉相似性。基于内容的遥感图像检索系统提出以来，研究者已经取得了许多成果。如Zhu等使用Gabor纹理特征来检索航空图像[Zhu Bin，Marshall R，Hsinchun C．Creating a large-scale content-based airphoto image digital library[J].IEEE Trans.on Image Processing，2000，9(1):163-167]，陆丽珍等[陆丽珍,刘仁义,刘南.一种融合颜色和纹理特征的遥感图像检索方法[J]．中国图象图形学报，2004,9(3):328-332]提出融合Gabor纹理特征和颜色特征进行遥感图像检索，并采用纹理和颜色特征欧氏距离的线性加权来度量相似性。曾志明等人[曾志明,李峰,傅琨.等一种大尺寸遥感图像基于内容检索的纹理特征提取算法[J].武汉大学学报:信息科学版,2005,30(12):1080-1083]利用改进的共生矩阵纹理特征来进行大尺度遥感图像检索。耿利川等[耿利川,吴云东,耿则勋,王永刚.基于人工免疫系统的遥感图像检索[J].中国图象图形学报,2010,01:155-160]提出了一种基于人工免疫系统的遥感图像检索算法。朱佳丽等[朱佳丽,李士进,万定生,冯钧.基于特征选择和半监督学习的遥感图像检索[J].中国图象图形学报,2011.16(8):1474-1482]提出一种基于特征选择和半监督学习的遥感图像检索方法。

实现遥感图像相似搜索的方法很多，最基本的是顺序扫描算法(Sequential Scan Algorithm，SSA)。还有基于空间划分的tree算法，例如：R-tree、Kd-tree、SR-tree，这些算法返回的结果都比较精确，但它们在高维数据集上时间效率并不高。文献[Weber R,Schek H,Blott S.A quantitative analysis and performance study for similarity-search methods in high-dimensional spaces[C]//Proc.of the24th Intl.Conf.on Very Large Data Bases(VLDB).1998:194-205]中指出，在维度高于10之后，基于空间划分的算法反而不如线性查找。

在基于内容的遥感图像检索中，快速检索出一个符合要求的相似子图像集，比花费较长时间检索出完全符合要求的图像集更有吸引力。且对不同类型的检索目标，特征应该是不同的，选择最能表示检索目标内容的特征来进行图像检索，可以进一步提高检索性能。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于多特征LSH索引组合的遥感图像检索方法，在不同特征集上分别建立LSH索引，并根据索引有效性指标自适应的采用最优特征来检索图像，可有效提高检索结果的准确性。

本发明具体采用以下技术方案解决上述技术问题：

基于多特征LSH索引组合的遥感图像检索方法，包括以下步骤：

步骤1、对遥感图像进行分块，每个图像块作为一个子图像，所有图像块构成子图像集；步骤2、在至少两个不同的特征空间中，分别以所述子图像集为数据集建立LSH索引；所述特征空间为颜色特征空间或/和纹理特征空间；

步骤3、对于给定的查询样本，分别利用各特征空间的LSH索引进行LSH检索，得到各特征空间中的LSH检索结果；

步骤4、根据各特征空间中的LSH检索结果，计算各特征空间的索引有效性指标：颜色特征空间的索引有效性指标FDIVI_c以及纹理特征空间的索引有效性指标FDIVI_t分别按照以下公式计算：