遥感图像蚁群算法和加权图像到类距离检索法

叶发茂，孟祥龙，董 萌，聂运菊，葛 芸，陈晓勇

1. 东华理工大学测绘工程学院，南昌 330013； 2. 南昌大学信息工程学院，南昌 330031； 3. 南昌航空大学软件学院，南昌 330063

随着遥感卫星的日益增多，遥感图像数据获取量逐渐增大，如何有效地管理和利用这些遥感图像数据成了一个待解决的难题。遥感图像检索(remote sensing image retrieval，RSIR)是一种较好的解决方法，已成为遥感应用研究领域的一个重要方向[1]。

遥感图像检索研究主要任务是如何提取有效的检索特征。传统的遥感图像检索方法提取图像的光谱、纹理、形状等视觉特征。例如，文献[2]采用双数复小波变换提取颜色描述子以提高高分辨率遥感图像检索精度。然而，这些底层特征都是人工设计的，只针对特定的目标对象，难以准确、全面地表达图像的内容，容易出现“语义鸿沟”问题，所以基于该类特征的检索方法容易导致检索结果不理想[3]。为了解决“语义鸿沟”问题，一些检索方法通过聚合方法将底层特征转化为中层特征，以提升特征的检索性能。文献[4]采用SIFT特征构建成低维的视觉词袋(bag of visual words，BoVW)特征并与Gabor纹理特征融合进行遥感图像检索；文献[5]采用一种基于自动编码器的无监督特征学习框架将低层特征集映射成新的稀疏特征，并应用于高分辨率遥感图像检索；文献[6]提取局部模式谱的密度信息，并利用局部聚合描述符(vectors of locally aggregated descriptors，VLAD)方法进行编码应用于遥感图像检索。

近年来，随着深度学习的发展，卷积神经网络(convolutional neural network，CNN)模型展现出强大的提取高级视觉特征的能力，已广泛地应用于图像分类[7]、物体识别[8-9]、图像匹配[10]等领域，并取得巨大的成功，同时也被应用于遥感图像检索。……