[发明专利]基于全卷积神经网络的遥感图像多标签检索方法及系统

摘要

本发明提供了一种基于全卷积神经网络的遥感图像多标签检索方法及系统，顾及遥感图像的多类别信息实现多标签的图像检索，包括输入检索图像库，分成训练集和验证集；构建全卷积神经网络模型FCN，利用训练集进行网络训练；利用FCN对验证集中的各图像分别进行多类别标签预测，得到分割结果；并对各卷积层特征图进行上采样；提取验证集中各图像的局部特征，得到用于检索的特征向量；最后基于提取的多尺度特征和多标签信息进行由粗到细的两步式检索。本发明利用全卷积神经网络不仅学习了图像的多尺度局部特征，而且充分挖掘了图像隐含的多标签信息，相比现有的基于单标签的遥感图像检索方法，有效地提高了图像检索的准确度。

主权项

1.一种基于全卷积神经网络的遥感图像多标签检索方法，其特征在于：顾及遥感图像的多类别信息实现多标签的图像检索，包括以下步骤，步骤1，输入检索图像库，分成训练集D_T和验证集D_R；步骤2，构建一个多层的全卷积神经网络模型FCN，利用训练集D_T进行网络训练；步骤3，利用步骤2训练的全卷积神经网络模型FCN对验证集D_R中的各图像分别进行多类别标签预测，得到分割结果；并对各卷积层特征图进行上采样，得到上采样后的卷积层特征图；步骤4，基于步骤3中图像的分割结果和各上采样后的卷积层特征图，提取验证集D_R中各图像的局部特征，并进行特征后处理得到用于检索的特征向量；步骤5，基于多尺度特征和多标签信息进行由粗到细的两步式检索，包括基于步骤3中图像的分割结果得到图像包含的地物类别，对验证集D_R进行粗检索得到与查询图像包含至少一种相同地物类别的图像，构成图像库然后基于步骤4提取的图像局部特征在图像库中进行细检索，计算查询图像和图像库中各图像的相似性，并根据相似性大小返回查询图像的相似图像。