基于内容的遥感图像数据库检索研究及实现

论文摘要

随着遥感卫星的增多,传感类型的增多,以及高光谱、高分辨率、偏振等新型遥感器的出现,遥感影像的数据量急剧增加,但与之对应的却是遥感图像检索理论和技术的严重滞后。因此,如何从海量遥感图像库中快速准确地检索到需要的图像具有十分重要的意义。本文从日益增加的遥感图像数据需要高效的管理和检索方法出发,论述基于内容的图像检索（Content-Based Image Retrieval, CBIR）的研究内容和技术发展状况,分析遥感图像库内容检索的研究现状以及存在的主要问题,研究有效提取图像低层特征以及快速、准确地进行检索等的相关算法和技术。首先,本文在论述了遥感图像数据库技术、特征提取、相似性度量、相关反馈基础上,深入研究了颜色、纹理及形状等特征提取的相关算法。提出了一种改进的颜色聚合向量算法,提出了一种基于小区域去除的形状描述子提取。其次,提出了基于控制工程思想的“前馈相似性度量”方法,通过提取参考图像的“显著特征”,决定不同视觉特征向量在相似性度量中的权值,减少用户输入,提高图像检索系统智能化的程度。并给出相应的比较和评价。最后,本文实现了一个基于内容的遥感图像数据库检索的原型系统。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 国内外研究现状及存在的问题
• 1.2.1 国内外研究现状
• 1.2.2 遥感图像检索存在的问题及挑战
• 1.3 本文的主要工作及创新点
• 1.3.1 改进的颜色聚合向量法
• 1.3.2 使用小区域去除的傅立叶描述子提取形状特征
• 1.3.3 前馈相似性度量方法
• 1.4 论文内容安排
• 第二章 基于内容的遥感图像数据库检索理论基础
• 2.1 遥感图像数据库关键技术
• 2.1.1 数据库技术综述
• 2.1.2 遥感图像数据库关键技术
• 2.2 视觉内容特征提取
• 2.2.1 颜色特征
• 2.2.2 纹理特征
• 2.2.3 形状特征
• 2.2.4 空间布局特征
• 2.2.5 语义检索
• 2.3 相似性度量方法
• 2.3.1 特征归一化
• 2.3.2 距离度量函数
• 2.4 相关反馈
• 2.5 算法评价
• 第三章 关键算法研究与改进
• 3.1 改进的颜色聚合向量算法
• 3.1.1 颜色聚合向量提取
• 3.1.2 改进的颜色聚合向量提取
• 3.1.3 “改进的颜色聚合向量”评价
• 3.2 基于小区域去除的傅立叶形状描述子提取
• 3.3.1 边缘检测
• 3.3.2 傅立叶描述子原理
• 3.3.3 基于小区域去除的傅立叶形状描述子提取
• 3.3 基于显著特征的前馈相似性度量方法
• 3.4.1 显著特征的含义
• 3.4.2 显著特征前馈实验
• 3.4.3 基于显著特征的前馈图像检索分析
• 第四章 系统设计与实现
• 4.1 遥感图像数据库内容检索系统结构
• 4.2 数据库
• 4.2.1 遥感图像库
• 4.2.2 特征库
• 4.2.3 元数据库
• 4.3 数据库管理模块
• 4.4 图像检索模块
• 4.5 小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 参与的项目与发表的文章
• 致谢