基于卷积神经网络和E2LSH的遥感图像检索研究
RESEARCH ON REMOTE SENSING IMAGE RETRIEVAL BASED ON CONVOLUTIONAL NEURAL NETWORK AND E2LSH作者机构:辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105
出 版 物:《计算机应用与软件》 (Computer Applications and Software)
年 卷 期:2018年第35卷第7期
页 面:250-255页
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(61702241) 辽宁省教育厅科学研究一般项目(L2015225) 辽宁省科技厅博士科研启动基金项目(201601365)
主 题:遥感图像检索 卷积神经网络 E2LSH 欧氏距离 近似近邻搜索
摘 要:遥感图像是一种特征维度很高的图像,当前的遥感图像检索技术图像特征表达能力不强,并且利用海明距离排序后还需计算欧式距离,产生信息损失,严重制约了遥感图像检索技术的性能。基于上述问题,提出一种基于卷积神经网络和E2LSH的遥感图像检索技术,将遥感图像进行降噪处理之后,利用已经预训练过的VGGNet-D卷积神经网络模型提取图像深层次的特征,挖掘隐含的图像信息;利用L个E2LSH(Exact Euclidean Locality-Sensitive Hashing)函数对提取的特征在保证度量距离的同时进行高效降维并构建L个索引结构;利用L个索引完成粗检索以构成候选集。直接计算并排序候选集的欧氏距离来完成近似最近邻搜索,避免了两种空间及距离的换算。实验结果表明,提出的检索方法减少了距离换算的信息损失并能有效提高遥感图像特征表达能力,使其在查准率和查全率上有更好的检索效果。