基于内容的图像检索应用于自然图像时，由于图像之间通常不具备空间相关性，特征向量与图像数据一一对应，检索是在查询图像与目标图像(候选图像)之间进行相似性匹配的过程，不需要研究图像的分块组织和管理问题。然而，遥感图像具有大场景成像特点，而用户提交的查询条件往往是覆盖一种或多种语义类别的图像块，因此，在实际的检索应用中，在查询图像和目标图像的整体视觉特征之间做相似性匹配是没有意义的，需要首先将大尺寸遥感图像基于语义类别(如同质纹理区域、单个人造目标、密集地物目标等)进行分块组织和管理，然后提取区域的视觉特征与查询图像的视觉特征，以进行相似性度量，将那些包含与查询图像特征相似区域的原始图像返回给用户，并对其中的相似区域予以标记。也就是说，基于内容的遥感图像检索本质上是查询图像与目标图像区域之间的相似性匹配。
早期的遥感图像检索系统在进行数据组织和管理时，为简便起见，通常采用重叠或者不重叠的规则区域分块组织策略(如Tile分块、四叉树分块、Nona树分块等)。这类方法简单易行且实时性高，但是由于目标的整体性受到人为割裂，造成检索性能低下。为了改善遥感图像基于规则区域分块组织的弊端，人们尝试将图像分割算法(如边缘流算法、均值漂移算法等)应用于遥感图像检索，即根据某种规则聚合图像中性质相似、空间相邻的像素，从而将原始图像分割为若干分离的不规则同质区域，进而实现基于区域的遥感图像检索。近年来，随着可获取高分辨率遥感图像的急剧增加，目标检测技术得到快速发展，对遥感图像检索任务的需求从像素级发展到目标级，基于目标检测实现遥感图像目标级检索更符合人们的应用需求，已经成为研究的趋势。本节分别介绍基于规则区域的遥感图像分块组织策略、基于同质区域的遥感图像分割算法和基于目标检测的遥感图像数据管理，这些遥感图像的数据组织、管理策略和方法是分布式环境下存储和处理遥感图像数据的基础。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
