科研之友
微信
新浪微博
Facebook
分享链接
摘要
如何快速获取无辅助参数卫星遥感影像地理位置是非合作方式获取的遥感影像信息充分利用的一个关键，利用影像特征的相似性对卫星遥感影像检索来实现定位，是获取无辅助参数卫星遥感影像地理位置的有效手段。为了探寻影像深度学习全局特征用于无辅助参数卫星遥感影像检索定位的可行性，建立了包括Precision@K、平均排序、特征提取时间、特征相似性计算时间、硬件消耗等，涵盖有效性、效率2个方面共计5类指标的评估体系。采用谷歌地球提供的影像数据作为基准影像，在资源三号夏季及冬季数据集上，分别利用AlexNet、VggNet、ResNet、DenseNet、EfficientNet等几种代表性的卷积神经网络预训练模型提取基准影像及查询影像的全局特征，依据评估体系中的指标，对这些网络模型的影像表征效果进行全面的量化评估与分析。试验分析结果表明，DenseNet、ResNet-18、VggNet这3个深度学习神经网络预训练模型提取的全局特征，综合表征效果较好，可有效用于卫星遥感影像检索定位；当K值取200时，DenseNet网络模型的Precision@K值可以达到59.5%,ResNet-18和VggNet网络模型紧随其后，分别为49.7%和48.0%，为进一步利用深度学习全局特征进行卫星遥感影像检索定位，找出了最佳的候选网络模型，为下一步模型优化等研究奠定了基础。
-
单位信息工程大学地理空间信息学院
