基于人工设计特征的遥感图像检索方案

基于内容的图像检索的基本思路是采用视觉特征或者视觉线索(visual cues)表达图像内容，将图像内容的相似性度量映射为视觉特征或视觉线索的相似性度量。图像检索系统的性能，很大程度上依赖于图像视觉特征是否能够准确描述图像内容。过去的几十年来，科研人员在图像特征表达方面做了大量研究，取得了显著的成果。图像内容经历了从单一特征、粗粒度特征到多层次、多粒度、多模态特征融合表达和从基于像素表达到基于场景表达的发展。

根据是否预先定义特征提取算法，可以将图像视觉特征分为人工设计的视觉特征(hand-crafted visual features)和学习特征(learned features)。人工设计视觉特征是基于专家知识预先定义的算法设计的特征，学习特征是通过人工神经网络获取的特征。在深度学习研究兴起之前，图像检索基本上都是采用人工设计特征。无论是特征提取还是特征学习，人们希望描述图像内容的特征满足尺度、旋转、平移、光照、透视、仿射不变性，对图像的类内一致和类间差异具有较强的判别能力，能够更好地模拟人类的视觉感知特性，尽可能缩小语义鸿沟。遥感图像作为对地球表面地理现象的一种描述，很多情况下并没有明确或单一的主题信息，不同类型传感器和不同成像条件造成了遥感图像上的地物更加复杂多样、语义更为隐晦，且具有明显的尺度和时态特征，这些对遥感图像内容的表达提出了更大的挑战。(www.xing528.com)

本章介绍目前代表性的人工设计视觉特征描述子，以及基于人工设计视觉特征(含低层视觉特征和中层视觉特征)的遥感图像检索方法、流程和在标准遥感图像数据集上的应用。