本发明专利技术涉及一种基于改进支持向量机相关反馈的遥感图像检索方法包括以下步骤：建立遥感图像数据库，并从库中选择一幅满足检索目标的图像作为查询图像；在上述遥感图像数据库中进行遥感图像特征提取，得到特征向量；基于上述特征向量，计算遥感图像库中图像与查询图像特征向量的欧式距离，并按照该距离大小，从小到大排序返回规定数目的遥感图像作为初始检索的结果；相关反馈：对初始检索的结果进行评价，如果满意则检索结束。本发明专利技术很好地解决了原有基于支持向量机的相关反馈算法在检索结果排序上存在的问题，可用于遥感图像检索相关的多个应用领域，尤其是高维特征空间的分类识别问题，可有效提高遥感图像检索的精度和检索结果排序的合理性。
【技术实现步骤摘要】
本专利技术涉及计算机图像检索
，具体的说是。
技术介绍
STrtWWS^ISft^^ (Content-based Remote Sensing Image Retrieval, CBRSIR)，即所谓的“图找图”，它是在基于内容的图像检索(Content-based Image Retrieval,CBIR)的基础上发展起来的一种新的媒体信息检索技术。它通过提取遥感图像中的视觉特征(颜色、形状、纹理、光谱等)来表达图像的内容。从媒体内容中提取信息线索，利用近似匹配技术，以相关反馈为有效手段，实现在大型数据库的快速检索。而要想满足遥感图像检索的精度要求，必须加入相关反馈技术，由简单的一次检索转向交互学习的多次检索。(参考文献:R. LU0, Y. S. ZHANG, Y. H. FAN, et al. Research on content-based remote sensing image retrieval the strategy for visual feature selection, extraction, description and similarity measurement//2001 International Conferences on Info-tech and Info-net, Beijing, 2001, vol. 1 :321-325.//2001年国际信息科技与信息网络大会，北京，2001，第1卷321-325.])相关反馈(Relevance Feedback, RF)是指按照最初的查询条件，查询系统返回给用户查询结果，用户可以人为介入(或者自动)来选择几个最符合他查询意图的返回结果 (正反馈)，也可以选择最不符合他查询意图的几个返回结果(负反馈)。这些反馈信息被送入系统用来更新查询条件，重新进行查询。从而让随后的搜索更符合查询者的真实意图。 图像检索中的相关反馈也是一个人机交互的过程，用户根据系统的初始检索结果，标记出相关和不相关图像，检索系统根据这个反馈信息调整检索方式，再次给出检索结果，如此反复，直到用户满意为止。通过相关反馈过程，图像检索的精度可以得到有效地提高。(参考文献:Yong Rui，T. S. Huang，Μ. Ortega，S. Mehrotra. Relevance feedback :a power tool for interactive content-based image retrieval. IEEE Transactions on Circuits and Systems for Video Technology，1998，8 (5) :644-655.. IEEE会刊——关于视频技术的电路与系统，1998,8(5) :644-655.] ；Karthik P. Suman, C.V. Jawahar. Analysis of Relevance Feedback in Content Based Image Retrieval. //9th International Conference on Control, Automation, Robotics and Vision, Singapore, 2006 :1-6. //第九届国际控制，自动化，机器人及视觉大会，新加坡，2006 1-6.])视觉特征相似性度量是一个距离函数，通过遥感图像特征值的之间的距离来判断图像之间的相似性。它将数据库中每幅遥感图像看作高维空间中的一个点，使用欧几里德距离(欧式距离)等距离公式计算查询图像和数据库中遥感图像的视觉特征的相似度。距离较近的遥感图像与查询图像的特征较相似，距离较远的图像则与查询图像的特征差异较大。现在常用的相似性度量方法有欧几里得距离(Euclid)、马氏距离(Mahalanobis)、二次式距离(Quadratic)以及直方图交(Histogram Intersection)等。(参考文献Q. ΒΑ0， P. GUO. Comparative studies on similarity measures for remote sensing image retrieval//IEEE International Conference on Systems, Man and Cybernetics, Hague，2004 :1112-1116.· IEEE国际系统，人类与控制论大会，海牙(荷兰)，2004:1112-1116.]；陈兴峰.基于内容的遥感图像数据库检索研究及实现.电子科技大学，2008.)支持向量机(SupportVector Machine，SVM)是 Vladimir N. Vapnik 等人提出的一种基于统计学习理论的机器学习算法。由于SVM有统计学习理论作为其坚实的数学基础，是基于结构风险最小化准则的，因此其推广能力明显优于一些传统的学习方法，可以较好地解决小样本、非线性问题以及克服维数灾难和过拟合等传统算法所不可规避的问题。其核心思想是采用最大间隔分类面思想和基于核的方法，通过在原空间或经投影后在高维空间中构造最优分类面，将给定的属于两个类别的训练样本分开，构造超平面的依据是两类样本离超平面的距离最大化，表现出了很好的泛化能力。(参考文献Vapnik V N. Statistical Learning Theory . New York :Wiley，1998..纽约威利，1998. ] ；Vapnik V N. The nature of statistical learning theory . New York Springer-Ver lag, 1999. ^ · S1M^ -统计学习理论的本质.纽约斯普林格出版社，1999. ] ；Cristianini N, Shawe Taylor J. An introduction to support vector machine. New York Cambridge University Press, 2000..纽约剑桥大学出版社， 2000.])基于支持向量机的相关反馈是将支持向量机理论与传统的遥感图像检索相关反馈过程相结合的产物，将遥感图像检索的相关反馈过程看作模式识别的二分类问题，从而很好地发挥支持向量机的强大分类学习功能。具体来讲，就是将检索结果图像作为训练样本，由用户标记出正例样本(其他为反例样本)，并与旧的正例集合组成一个新的正例集合，而反例样本则与旧的反例集合组成一个新的反例集合。通过对这些正例和反例进行SVM 学习，可以得到一个代表用户检索目标的SVM分类器。然后用该分类器对图像库中的所有遥感图像进行分类，对于分为正类的遥感图像，求出每幅图像相对于分类面的距离，离分类面越远的图像就越接近查询样例，按此距离从大到小再次排序返回结果。目前，这种基于支持向量机相关反馈的遥感图像检索技术能够充分挖掘用户的语义信息，根据用户提供的反馈信息来学习用户的检索要求，从而进一步提高遥感图像检索的精度。(参考文献Lei Zhang， Fuzong, Lin Bo.Support vector machine lea本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：唐家奎，赵理君，于新菊，米素娟，张成雯，李勇志，王后茂，王春磊，
申请(专利权)人：中国科学院烟台海岸带研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。