遥感数据实时空间索引方法与流程

本技术涉及数据检索，且更为具体地，涉及一种遥感数据实时空间索引方法。

背景技术：

1、遥感是一种非接触、远距离的探测技术,可以利用摄影、卫星、卫星等技术获得图像等数据。由于遥感技术具有效率高、成本低、分辨率较高、覆盖范围大等优点，在天气预报、气象、农业、国防、考古等领域有广泛的应用。

2、为了从海量遥感大数据中检索出符合用户需求和感兴趣的数据,必须对遥感数据进行高效地管理,以实现从多源多模态数据中快速地检索感兴趣目标,提高遥感数据的利用效率。目前，对于遥感场景数据的检索基本实现了基于影像内容特征的搜索，然而,在遥感大数据中,同一地物的不同观测数据存在大量的冗余性和相似性,大量冗余数据在这种基于影像内容的检索过程中耗费了更多的网络资源和数据传输时间，同时也增加了后续数据处理的难度。

3、由于遥感图像描述的是地表信息,不存在明确或单一的主题信息,而传感器和成像条件的多样化又导致了遥感图像的多样化,因此,需要针对不同类型遥感数据的特点,建立适合数据类型与用户需求的数据检索服务。

4、因此，期待一种遥感数据实时空间索引方法，基于用户给定的检索信息对多源海量遥感数据进行检索,快速返回用户所需的数据。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种遥感数据实时空间索引方法，其采用基于转换器的上下文编码器，对各个影像的数据属性和用户的检索信息进行语义特征提取，以各个遥感影像的数据属性作为参考数据，以用户检索特征作为查询特征，从遥感影像数据库中查询出符合用户需求的图像编号。这样，可以提高遥感数据检索效率和准确性，减少冗余数据的传输和处理，为用户快速获取所需数据提供支持。

2、相应地，根据本技术的一个方面，提供了一种遥感数据实时空间索引方法，其包括：

3、获取遥感影像数据库中各个影像的数据属性以及用户检索信息，其中，所述各个影像的数据属性包括遥感影像的图像编号、图像产生时间、数据大小、图像分辨率、地理区域、经纬度；

4、将所述各个影像的数据属性分别通过基于转换器的上下文编码器以得到多个遥感数据属性语义特征向量；

5、基于高斯密度图对所述多个遥感数据属性语义特征向量进行融合以得到遥感数据属性全局特征矩阵；

6、将所述用户检索信息通过所述基于转换器的上下文编码器以得到查询特征向量；

7、将所述查询特征向量与所述遥感数据属性全局特征矩阵进行相乘以得到分类特征向量；

8、对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量；

9、将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示符合用户需求的遥感图像编号。

10、在上述遥感数据实时空间索引方法中，将所述各个影像的数据属性分别通过基于转换器的上下文编码器以得到多个遥感数据属性语义特征向量，包括：使用所述上下文编码器的嵌入层将所述单个影像的数据属性中的各个数据项的文本数据分别映射为词嵌入向量以得到多个词嵌入向量；将所述各个数据项中的数值数据分别添加到所述各个数据项的词嵌入向量的尾部以得到多个数据项嵌入向量；使用所述上下文编码器的基于转换器的bert模型对所述多个数据项嵌入向量进行上下文语义编码以得到所述遥感数据属性语义特征向量。

11、在上述遥感数据实时空间索引方法中，使用所述上下文编码器的基于转换器的bert模型对所述多个数据项嵌入向量进行上下文语义编码以得到所述遥感数据属性语义特征向量，包括：将所述多个数据项嵌入向量进行一维排列以得到数据项全局嵌入向量；计算所述数据项全局嵌入向量与所述多个数据项嵌入向量中各个数据项嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过激活函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述多个数据项嵌入向量中各个数据项嵌入向量进行加权以得到多个数据项语义特征向量；将所述多个数据项语义特征向量进行级联以得到所述遥感数据属性语义特征向量。

12、在上述遥感数据实时空间索引方法中，基于高斯密度图对所述多个遥感数据属性语义特征向量进行融合以得到遥感数据属性全局特征矩阵，包括：以如下高斯公式来构造所述多个遥感数据属性语义特征向量的高斯密度图；其中，所述高斯公式为：其中，μ是所述多个遥感数据属性语义特征向量之间的按位置均值向量，而σ是所述多个遥感数据属性语义特征向量中各个位置的特征值之间的方差，表示高斯密度概率函数，x表示高斯密度图的变量；以及，对所述高斯密度图中各个位置的高斯分布进行高斯离散化处理以得到所述遥感数据属性全局特征矩阵。

13、在上述遥感数据实时空间索引方法中，将所述用户检索信息通过所述基于转换器的上下文编码器以得到查询特征向量，包括：对所述用户检索信息进行分词处理以获得多个检索信息词；使用所述上下文编码器的嵌入层将所述多个检索信息词分别映射为检索信息词嵌入向量以得到多个检索信息词嵌入向量；使用所述上下文编码器的基于转换器的bert模型对所述多个检索信息词嵌入向量进行上下文语义编码以得到所述查询特征向量。

14、在上述遥感数据实时空间索引方法中，对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量，包括：对所述分类特征向量进行向量切分以得到多个分类特征局部特征向量；将所述多个分类特征局部特征向量分别通过基于全连接层的像素嵌入编码器以得到多个分类特征局部像素级特征向量；将所述多个分类特征局部像素级特征向量通过基于转换器模块的上下文语义编码器以得到多个上下文分类特征局部像素级特征向量；将所述多个上下文分类特征局部像素级特征向量通过softmax函数值以得到多个秩序性量化概率值；对所述多个秩序性量化概率值进行归一化处理以得到多个秩序性匹配权重值；以及，以所述多个秩序性匹配权重值作为权重，并分别对所述分类特征向量的多个分类特征局部特征向量进行加权以得到所述优化分类特征向量。

15、在上述遥感数据实时空间索引方法中，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示符合用户需求的遥感图像编号，包括：使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到全连接编码特征向量；将所述全连接编码特征向量输入所述分类器的softmax分类函数以得到所述优化分类特征向量归属于各个分类标签的概率值，所述分类标签包括所有遥感图像的编号；将所述概率值中最大者对应的分类标签确定为所述分类结果。

16、根据本技术的另一个方面，提供了一种遥感数据实时空间索引系统，其包括：

17、数据采集模块，用于获取遥感影像数据库中各个影像的数据属性以及用户检索信息，其中，所述各个影像的数据属性包括遥感影像的图像编号、图像产生时间、数据大小、图像分辨率、地理区域、经纬度；

18、遥感影像数据属性语义理解模块，用于将所述各个影像的数据属性分别通过基于转换器的上下文编码器以得到多个遥感数据属性语义特征向量；

19、高斯融合模块，用于基于高斯密度图对所述多个遥感数据属性语义特征向量进行融合以得到遥感数据属性全局特征矩阵；

20、用户检索信息语义理解模块，用于将所述用户检索信息通过所述基于转换器的上下文编码器以得到查询特征向量；

21、查询模块，用于将所述查询特征向量与所述遥感数据属性全局特征矩阵进行相乘以得到分类特征向量；

22、优化模块，用于对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量；

23、查询结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示符合用户需求的遥感图像编号。

24、在上述遥感数据实时空间索引系统中，所述遥感影像数据属性语义理解模块，包括：嵌入化单元，用于使用所述上下文编码器的嵌入层将所述单个影像的数据属性中的各个数据项的文本数据分别映射为词嵌入向量以得到多个词嵌入向量；数据整合单元，用于将所述各个数据项中的数值数据分别添加到所述各个数据项的词嵌入向量的尾部以得到多个数据项嵌入向量；上下文编码单元，用于使用所述上下文编码器的基于转换器的bert模型对所述多个数据项嵌入向量进行上下文语义编码以得到所述遥感数据属性语义特征向量。

25、在上述遥感数据实时空间索引系统中，所述上下文编码单元，包括：一维排列子单元，用于将所述多个数据项嵌入向量进行一维排列以得到数据项全局嵌入向量；自注意力生成子单元，用于计算所述数据项全局嵌入向量与所述多个数据项嵌入向量中各个数据项嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化自注意力子单元,用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；权重生成子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过激活函数以得到多个概率值；权重施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个数据项嵌入向量中各个数据项嵌入向量进行加权以得到多个数据项语义特征向量；级联子单元，用于将所述多个数据项语义特征向量进行级联以得到所述遥感数据属性语义特征向量。

26、与现有技术相比，本技术提供的遥感数据实时空间索引方法，其采用基于转换器的上下文编码器，对各个影像的数据属性和用户的检索信息进行语义特征提取，以各个遥感影像的数据属性作为参考数据，以用户检索特征作为查询特征，从遥感影像数据库中查询出符合用户需求的图像编号。这样，可以提高遥感数据检索效率和准确性，减少冗余数据的传输和处理，为用户快速获取所需数据提供支持。