基于显著区域特征的遥感影像检索方法及系统的制作方法
【专利摘要】本发明公开了一种基于显著区域特征的遥感影像检索方法及系统，包括步骤：利用视觉注意模型获取影像显著图；通过自适应阈值法将影像显著图二值化；将原始影像与对应的二值化显著图进行“掩膜”运算得到影像的显著区域；提取影像显著区域的显著点，基于显著点特征对显著点进行聚类，获得描述显著区域特征的特征向量；最后，按照预设的相似性度量准则进行影像检索。本发明在保证特征提取效率的同时，提高了检索查准率，改善了检索结果，且符合人眼视觉特点。
【专利说明】基于显著区域特征的遥感影像检索方法及系统
【技术领域】
[0001]本发明属于遥感图像处理影像检索【技术领域】，涉及一种基于显著区域特征的遥感影像检索方法及系统。
【背景技术】
[0002]随着遥感技术发展，多源遥感影像数据的获取变得日益简单。海量遥感影像数据在为科学研究提供更多数据选择的同时也带来了诸多亟待解决的难题。一方面，现阶段影像数据的处理和分析能力有限，使得遥感影像数据的使用效率低下；另一方面，遥感影像数据具有空间性、多样性、复杂性等特点，而目前遥感影像数据的组织、管理、浏览和查询的发展程度远远滞后于遥感影像数据的增长速度，使得针对特定应用往往不能快速找到所需的遥感影像。海量遥感影像数据的有效检索方法的缺乏已成为制约遥感影像数据应用的瓶颈，研究高效的遥感影像检索方法势在必行。
[0003]传统的遥感影像检索方法包括基于关键字的检索和基于内容的检索。基于关键字的影像检索技术通过人工标注方式用一系列的关键字对数据库中的影像进行描述，检索时输入关键字，系统就会返回与之相符的影像，该方法虽然检索过程简单且容易理解，但手工标注效率低，且主观性强。基于内容的影像检索技术通过提取影像的低层视觉特征(光谱特征、纹理特征和形状特征)进行检索，该技术虽然一定程度上改善了检索结果，但光谱特征和纹理特征是影像的全局特征，未考虑影像前景和背景的特点，不能很好地描述影像的语义信息；形状特征虽然跟影像上特定目标相关，但是形状特征的提取往往需要对影像进行分割，而分割本身就是计算机视觉领域的一大难题。可以看出，由于语义鸿沟的存在，低层视觉特征不能有效反映影像的本质内容。
[0004]根据人眼视觉理论，对于一幅影像人们关注的不是整幅影像的内容而是影像的显著区域，为此人们将视觉注意模型引入影像检索领域，研究利用视觉注意模型计算影像的显著图并提取颜色、纹理、边缘等特征进行检索。相比低层视觉特征，该方法更符合人们的查询意图并且能有效地弥合语义鸿沟，然而显著图是模糊的灰度图像，直接提取显著图的颜色、纹理、边缘等特征十分困难。
【发明内容】
[0005]针对现有技术存在的不足，本发明提供了一种能更好反映检索需求的、基于显著区域特征的遥感影像检索方法及系统，本发明通过分析人眼视觉注意特性，从复杂的遥感影像中提取出显著区域，通过提取显著区域特征实现遥感影像检索。
[0006]本发明的技术方案如下:
[0007]一、基于显著区域特征的遥感影像检索方法，包括步骤:
[0008]步骤1，利用视觉注意模型获取影像的显著图；
[0009]步骤2，将步骤I所得显著图转化为对应的二值化显著图；
[0010]步骤3，基于原始影像和步骤2所得二值化显著图获取影像的显著区域；[0011]步骤4，提取步骤3所获影像显著区域的显著点，基于显著点特征，采用聚类方法对显著点进行聚类，获得描述显著区域特征的特征向量；
[0012]步骤5，基于步骤4所获特征向量，根据预设的相似性度量准则进行影像检索。
[0013]步骤I具体为:
[0014]通过构造不同尺度的高斯金字塔得到影像的亮度特征、颜色特征和方向特征，融合影像的亮度特征、颜色特征和方向特征获得与原始影像尺寸一致的显著图。
[0015]步骤2采用自适应阈值法将显著图转化为对应的二值化显著图，二值化阈值采用大津法确定。
[0016]步骤3中通过对原始影像与其对应的二值化显著图进行“掩膜”运算，获取影像的显著区域。
[0017]步骤4中所述的特征为词袋特征,词袋特征根据文本检索中Bag of Words算法原
理获得。
[0018]步骤5进一步包括子步骤:
[0019]5.1预设相似性度量准则；
[0020]5.2基于影像显著区域的特征向量，采用相似性度量准则逐一获取待检索影像和影像库中影像的相似性值；
[0021]5.3按照相似性值大小对影像库中影像排序后输出。
[0022]二、基于显著区域特征的遥感影像检索系统，包括:
[0023]显著图获取模块，用来利用视觉注意模型获取影像的显著图；
[0024]二值化显著图获取模块，用来将显著图转化为对应的二值化显著图；
[0025]显著区域获取模块，用来基于原始影像和二值化显著图获取影像的显著区域；
[0026]特征向量获取模块，用来提取影像显著区域的显著点，基于显著点特征，采用聚类方法对显著点进行聚类，获得描述显著区域特征的特征向量；
[0027]影像检索模块，用来基于特征向量，根据预设的相似性度量准则进行影像检索。
[0028]与现有技术相比，本发明具有如下特点和有益效果，
[0029]1、采用视觉注意模型获取影像的显著区域，为了弥补视觉注意模型的缺点，将原始影像和二值化显著图进行“掩膜”运算获得影像的显著区域。
[0030]2、提取显著区域的特征，克服了直接从显著图中提取特征的困难；基于提取的显著区域特征进行影像检索，不仅符合人眼视觉特点且能更好地反映检索需求，缩小了低层视觉特征和高层语义之间的距离，能有效提高遥感影像检索的查准率和查全率。
[0031]3、扩展性好，用于检索的显著区域的特征包括但不限于词袋特征，只要能够描述显著区域内容的特征均可。
【专利附图】
【附图说明】
[0032]图1为本发明实施例的流程图；
[0033]图2为本发明实施例中不同返回影像数下的平均查准率图。
【具体实施方式】
[0034]本发明方的一种具体实施方法为:利用Itti视觉注意模型计算影像库中所有影像的显著图，并采用“大津法”自适应确定阈值将显著图二值化；将二值化显著图与相应的原始影像进行“掩膜”运算得到影像的显著区域；利用SIFT算子提取影像显著区域的显著点，经聚类得到描述显著区域词袋特征的视觉单词特征向量(visual words )；按照预设的相似性度量准则检索影像库中影像。
[0035]下面将结合图1详细说明本发明的【具体实施方式】，具体包括步骤:
[0036]步骤1，获取遥感影像库中影像的显著图。
[0037]首先，构建检索用遥感影像库。
[0038]本实施例检索影像库中采用的影像数据来自于分辨率为30cm的美国几大城市的航空影像，按照Tiles无重叠分块方式将影像分割为256*256大小的子块，构成包含飞机、稀疏居民区、建筑物以及停车场4类地物的检索影像库，其中每类地物包含100幅影像。
[0039]然后，获取遥感影像库中影像的显著图。
[0040]本实施例采用效果较好且较成熟的Itti视觉注意模型获取影像的显著图。通过构造不同尺度的高斯金字塔得到影像的亮度、颜色、方向三种特征。该三种特征的计算见式(I)~(3)。
[0041]I = (r+g+b) /3(I)
[0042]式(I)中，I为影像的亮度特征，r、g、b分别为颜色的三个分量。
【权利要求】
1.基于显著区域特征的遥感影像检索方法，其特征在于，包括步骤: 步骤1，利用视觉注意模型获取影像的显著图； 步骤2，将步骤I所得显著图转化为对应的二值化显著图； 步骤3，基于原始影像和步骤2所得二值化显著图获取影像的显著区域； 步骤4，提取步骤3所获影像显著区域的显著点，基于显著点特征，采用聚类方法对显著点进行聚类，获得描述显著区域特征的特征向量； 步骤5，基于步骤4所获特征向量，根据预设的相似性度量准则进行影像检索。
2.如权利要求1所述的基于显著区域特征的遥感影像检索方法，其特征在于: 步骤I具体为: 通过构造不同尺度的高斯金字塔得到影像的亮度特征、颜色特征和方向特征，融合影像的亮度特征、颜色特征和方向特征获得与原始影像尺寸一致的显著图。
3.如权利要求1所述的基于显著区域特征的遥感影像检索方法，其特征在于: 步骤2采用自适应阈值法将显著图转化为对应的二值化显著图，二值化阈值采用大津法确定。
4.如权利要求1所述的基于显著区域特征的遥感影像检索方法，其特征在于: 步骤3中通过对原始影像与其对应的二值化显著图进行“掩膜”运算，获取影像的显著区域。
5.如权利要求1所述的基于显著区域特征的遥感影像检索方法，其特征在于: 步骤4中所述的特征为词袋特征。
6.如权利要求1所述的基于显著区域特征的遥感影像检索方法，其特征在于: 步骤5进一步包括子步骤: 5.1预设相似性度量准则； 5.2基于影像显著区域的特征向量，采用相似性度量准则逐一获取待检索影像和影像库中影像的相似性值； 5.3按照相似性值大小对影像库中影像排序后输出。
7.基于显著区域特征的遥感影像检索系统，其特征在于，包括: 显著图获取模块，用来利用视觉注意模型获取影像的显著图； 二值化显著图获取模块，用来将显著图转化为对应的二值化显著图； 显著区域获取模块，用来基于原始影像和二值化显著图获取影像的显著区域； 特征向量获取模块，用来提取影像显著区域的显著点，基于显著点特征，采用聚类方法对显著点进行聚类，获得描述显著区域特征的特征向量； 影像检索模块，用来基于特征向量，根据预设的相似性度量准则进行影像检索。
【文档编号】G06F17/30GK103678552SQ201310652866
【公开日】2014年3月26日 申请日期:2013年12月5日 优先权日:2013年12月5日
【发明者】邵振峰, 周维勋, 王星 申请人:武汉大学