城市遥感影像检索流程改为：城市遥感影像检索流程详解

为了更好地说明城市遥感影像检索，图12-10以遥感影像场景“公园”为例，给出了影像检索和场景分类两个相关任务的区别。具体来说，城市遥感影像检索本质上是排序问题，用户提供自己感兴趣的城市目标，如棒球场、居民区、池塘、网球场等，采用影像检索方法从影像库中搜索可能的相关影像并按照相似度大小对结果进行排序后返回给用户。而场景分类则是典型的分类问题，利用训练的分类器对影像库中的影像进行类别预测，得到每一幅影像的标签。

图12-11给出了影像检索的流程:第一，构建检索影像库，该步骤是把大尺寸的遥感影像按一定方法(如Tiles分块、四叉树分块等)切分成一系列的小尺寸影像块，并存入影像库中。第二，影像特征提取，特征提取包括两个方面，一方面根据选择的特征提取方法提取查询影像的特征，另一方面采用相同的特征提取方法提取检索影像库中影像的特征并存入相应的特征库。实际应用时，为了提高检索效率，特征提取可离线完成。第三，相似性度量，采用预设的相似度计算准则分别计算查询影像与影像库中各影像对应特征向量之间的距离，进而得到查询影像与影像库中各影像之间的相似度大小，然后按照相似度由高到底的顺序即可将检索到的前K幅相似影像返回给用户。实际应用时，不同方法的检索流程是相近的，唯一的区别在于特征提取步骤不同，传统方法采用人工设计的低层视觉特征描述子(如颜色、纹理、形状等)提取图像库中的图像和查询图像的特征，而基于深度学习的检索方法则是通过模型从数据中学习图像库中的图像和查询图像的特征。

图12-10　影像检索与场景分类的区别(www.xing528.com)

图12-11　影像检索流程