基于对象级关联规则的遥感图像语义检索方法及系统技术方案

本发明专利技术提供的基于对象级关联规则的遥感图像语义检索方法及系统，根据遥感图像类别选择训练影像，并对训练影像进行分割，得到若干对象；根据对象属性，计算每个对象的属性量化值；针对每个对象的属性量化值构建对象事务集，计算对象事务集的关联规则，利用机器学习算法将关联规则与所属类别进行训练，得到多种类别的训练模型，重复上述步骤获取每幅影像的关联规则，并将该关联规则输入训练模型中，输出每个类别的隶属度，将隶属度值构成的向量作为此影像的语义描述，计算两幅影像的语义向量之间的距离，来衡量之间的相似度，本发明专利技术提供的基于对象级关联规则的遥感图像语义检索方法及系统，利用关联规则挖掘方法进行影像检索的思路，为遥感影像的语义检索提供一个新的途径。

【技术实现步骤摘要】

本专利技术涉及遥感图像检索
，尤其是涉及一种基于对象级关联规则的遥感图像语义检索方法及系统。
技术介绍
遥感影像具有影像幅面大，影像内容多且复杂的特点，“同物异谱”和“异物同谱”的现象很普遍，给遥感影像的检索带来较大的难度。影像检索即搜索数据库中含有指定特征或具有相似内容的影像，当前主流的基于内容的影像检索(Content-BasedImageRetrieval，CBIR)方法能综合影像处理、信息检索、机器学习、计算机视觉、人工智能等诸多领域的知识，借助从影像中自动提取的视觉特征作为影像内容的描述；目前，基于内容的影像检索取得了大量的研究成果。视觉特征提取在影像检索中具有重要作用，可以分为两个研究方向，一是研究影像的光谱、纹理、形状等低层视觉特征的提取及相似度度量，包括基于光谱曲线吸收特征提取的高光谱影像检索、利用颜色空间、颜色矩提取颜色特征、利用小波变换、Contourlet变换、Gabor小波、广义高斯模型、纹理谱等方法描述影像的纹理特征、基于像元形状指数、PHOG(PyramidHistogramofOrientedGradients，分层梯度方向直方图)形状与小波金字塔的遥感影像形状特征描述方法等。这类低层视觉特征的应用比较成熟，但是无法描述描述影像的语义信息，其提供的检索结果往往和人脑对遥感影像的认知有相当的差距，并不能完全令人满意。针对这一问题，另一个研究方向即是建立低层视觉特征与语义的映射模型，在语义层次提高影像检索的准确率。主要研究成果包括基于统计学习的语义检索方法，如贝叶斯分类器模型上下文语境的贝叶斯网络、贝叶斯网络与EM(最大期望)参数估计等；基于语义标注的检索方法，如语言索引模型、概念语义分布模型等；基于GIS(地理信息系统，GeographicInformationSystem)辅助的语义检索方法，如利用GIS数据中矢量要素的空间和属性信息引导语义赋予的方法；基于本体论的语义检索方法，如基于视觉对象领域本体的方法、GeoIRIS等。这类方法能够在一定程度上反映人脑对于影像检索的语义理解过程，具有较高的准确率，是未来影像检索的发展趋势。然而目前的语义检索方法往往过于关注低层视觉特征与语义映射模型的构建过程，忽略了所采用的低层视觉特征的种类、语义学习方法等因素，最终影响到语义检索的查准率。近年来，人类视觉感知特性被引入到影像检索领域中，受到广泛的关注，但是这类方法尚处于起步阶段，还有许多问题有待解决：如人眼视觉系统的生理过程、更符合人眼视觉的特征描述方法、自底向上的感知模型、显著特征提取与度量、自顶向下的视觉注意机制等等。另外，针对遥感影像数据检索的典型成果主要包括瑞士RSIAII+III项目，研究基于光谱和纹理特征的多分辨率遥感影像数据的描述和检索；Berkeley数字图书馆项目开发的原型系统Blobworld，它以航空影像、USGS正射影像和地形图，SPOT卫星影像等作为数据源，让用户能够直观地改进检索结果；新加坡南洋理工大学的(RS)2I项目，其研究内容涵盖了遥感影像特征提取与描述、多维索引技术及分布式体系结构设计的众多方面；斯坦福大学的SIMPLIcity，利用一种稳健的综合区域匹配方法(IntegratedRegionMatching，IRM)来定义影像间的相似度，在卫星基于数据挖掘的遥感影像检索中取得不错的结果；微软亚洲研究院的iFind，系统通过影像的标注信息构造语义网络，并在相关反馈中与影像的视觉特征相结合，有效地实现了在两个层次上的相关反馈。这些系统取得了重要成果，但是不论是在特征提取还是在代表性特征选择方面仍需要进一步深入研究。综上所述，不管是基于像素还是面向对象的影像检索方法，大多都关注于影像整体或局部或对象区域的颜色、纹理、形状等低层特征的统计信息。直接基于低层特征的检索方法无法提取感兴趣的目标，缺乏对影像空间信息进行描述的能力，存在特征维数过高、描述不完整、准确性差、缺乏规律性、特征描述与人类认知存在语义差距等缺点。与此同时，基于高层语义信息的遥感影像检索又缺乏成熟的理论和方法。低层特征与高层语义信息之间的“语义鸿沟”，阻碍了遥感影像检索的发展及应用。
技术实现思路
有鉴如此，有必要针对现有技术中存在的缺陷，利用关联规则挖掘方法进行影像检索的思路提供一种基于对象级关联规则的遥感图像语义检索方法。为实现上述目的，本专利技术采用下述技术方案：一种基于对象级关联规则的遥感图像语义检索方法，包括下述步骤：步骤S110：根据所述遥感图像的所属类别选择训练影像，并对所述训练影像进行分割，得到若干对象；步骤S120：根据所述对象的属性，计算每个对象的属性量化值；步骤S130：针对每个对象的属性量化值构建对象事务集，所述对象事务集为对象属性事务集，或者邻接对象事务集；步骤S140：计算所述对象事务集的关联规则；步骤S150：利用机器学习算法将关联规则与所属类别进行训练，得到多种类别的训练模型；步骤S160：对所述遥感图像的所有影像进行上述步骤S110-S140，获取每幅影像的关联规则，并将该关联规则输入步骤S150的训练模型中，输出该影像属于每个类别的隶属度，将所述隶属度值构成的向量作为此影像的语义描述；步骤S170：通过计算两幅影像的语义向量之间的距离，按照距离从小到大的顺序对影像进行排序，输出一定数量的返回影像作为检索结果。在一些实施例中，步骤S110中，采用QuickShift分割算法对所述训练影像进行分割，得到若干对象。在一些实施例中，采用QuickShift分割算法对影像进行分割，得到一系列的对象，分割后影像上的每一个对象可以表达为：O(OID,P,A)(5-1)其中OID是对象的编号，P是属性的集合，P＝{P1,P2,...,Pn本文档来自技高网...

【技术保护点】
一种基于对象级关联规则的遥感图像语义检索方法，其特征在于，包括下述步骤：步骤S110：根据所述遥感图像的所属类别选择训练影像，并对所述训练影像进行分割，得到若干对象；步骤S120：根据所述对象的属性，计算每个对象的属性量化值；步骤S130：针对每个对象的属性量化值构建对象事务集，所述对象事务集为对象属性事务集，或者邻接对象事务集；步骤S140：计算所述对象事务集的关联规则；步骤S150：利用机器学习算法将关联规则与所属类别进行训练，得到多种类别的训练模型；步骤S160：对所述遥感图像的所有影像进行上述步骤S110‑S140，获取每幅影像的关联规则，并将该关联规则输入步骤S150的训练模型中，输出该影像属于每个类别的隶属度，将所述隶属度值构成的向量作为此影像的语义描述；步骤S170：通过计算两幅影像的语义向量之间的距离，并按照距离从小到大的顺序对影像进行排序，输出的返回影像作为检索结果。

【技术特征摘要】
1.一种基于对象级关联规则的遥感图像语义检索方法，其特征在于，包括下述步骤：步骤S110：根据所述遥感图像的所属类别选择训练影像，并对所述训练影像进行分割，得到若干对象；步骤S120：根据所述对象的属性，计算每个对象的属性量化值；步骤S130：针对每个对象的属性量化值构建对象事务集，所述对象事务集为对象属性事务集，或者邻接对象事务集；步骤S140：计算所述对象事务集的关联规则；步骤S150：利用机器学习算法将关联规则与所属类别进行训练，得到多种类别的训练模型；步骤S160：对所述遥感图像的所有影像进行上述步骤S110-S140，获取每幅影像的关联规则，并将该关联规则输入步骤S150的训练模型中，输出该影像属于...

【专利技术属性】
技术研发人员：刘军，陈劲松，陈凯，郭善昕，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44