结合判别相关分析与特征融合的遥感图像检索

作者：葛芸; 马琳; 储珺^*

来源：中国图象图形学报, 2020, 25(12): 2665-2676.

• 遥感图像检索
• 卷积神经网络
• 高层特征融合
• 判别相关分析
• 最大池化

目的高分辨率遥感图像检索中,单一特征难以准确描述遥感图像的复杂信息。为了充分利用不同卷积神经网络(convolutional neural networks,CNN)的学习参数来提高遥感图像的特征表达提出一种基于判别相关分析的方法融合不同CNN的高层特征。方法将高层特征作为特殊的卷积层特征处理,为了更好地保留图像的原始空间信息在图像的原始输入尺寸下提取不同高层特征再对高层特征进行最大池化来获得显著特征;计算高层特征的类间散布矩阵,结合判别相关分析来增强同类特征的联系,并突出不同类特征之间的差异,从而提高特征的判别力;选择串联与相加两种方法来对不同特征进行融合,用所得融合特征来检索高分辨率遥感图像。结果在UC-Merced、RSSCN7和WHU-RS19数据集上的实验表明与单一高层特征相比绝大多数融合特征的检索准确率和检索时间都得到有效改进。其中,在3个数据集上的平均精确率均值(mean average precision,mAP)分别提高了10.4%～14.1%、5.7%～9.9%和5.9%～17.6%。以检索能力接近的特征进行融合时,性能提升更明显。在UC-Merced数据集上融合特征的平均归一化修改检索等级(average normalized modified retrieval rank,ANMRR)和mAP达到13.21%和84.06%与几种较新的遥感图像检索方法相比有一定优势。结论本文提出的基于判别相关分析的特征融合方法有效结合了不同CNN高层特征的显著信息在降低特征冗余性的同时,提升了特征的表达能力,从而提高了遥感图像的检索性能。

• 单位
  南昌航空大学