基于多特征VP树索引的遥感图像检索方法及装置

摘要

本发明公开了一种基于多特征VP树索引的遥感图像检索方法，属于遥感图像检索技术领域。本发明针对遥感图像检索中的特征有效性选择，提出了一种基于VP树索引的索引有效性指标——基于距离对比度的索引有效性指数（distance‑contrast‑based indexing validation index,DCIVI），将与查询对象距离较近的环形区域内的子图像作为最近邻集合，落入另一环形区域内的子图像作为最远邻集合，通过计算这两个集合之间的距离对比度来分析特定特征空间对应VP树索引返回最近邻集合的有效性，利用该指标可自适应地选择最适合描述图像内容的特征，不但提高了遥感图像的检索速度，检索质量（查全率和查准率）也得到了明显改善。本发明还公开了一种基于多特征VP树索引的遥感图像检索装置。

主权项

基于多特征VP树索引的遥感图像检索方法，其特征在于，包括以下步骤：步骤A、对遥感图像进行分块，每个图像块作为一个子图像，得到子图像集；步骤B、在多个不同的特征空间中分别对所述子图像集建立VP树索引；步骤C、根据给定的查询图像分别通过各特征空间的VP树索引所得到的查询结果，计算各特征空间的基于距离对比度的索引有效性指数DCIVI，然后从DCIVI值较大的特征空间的VP树索引所得到的查询结果中选取与所述查询图像具有最大相似性的子图像集合作为最终的检索结果；任意一个特征空间的DCIVI按照以下方法得到：从所述查询图像通过该特征空间的VP树索引所得到的查询结果中的所有子图像中，选出与查询图像之间距离在[D_min,D_min+r]和[D_max‑r,D_max]范围内的两组子图像集合，分别称为最近邻子图像集合、最远邻子图像集合，D_max、D_min分别表示所有子图像中与查询图像之间的最大、最小距离，r为预设的查询距离阈值；然后按照下式得到该特征空间的DCIVI：$DCIVI=\frac{\overline{D_{\max }}-\overline{D_{\min }}}{\overline{D_{\min }}}$其中，表示最远邻子图像集合中所有子图像和所述查询图像间的平均距离，表示最近邻子图像集合中所有子图像和所述查询图像间的平均距离；步骤C中所述从DCIVI值较大的特征空间的VP树索引所得到的查询结果中选取与所述查询图像具有最大相似性的子图像集合作为最终的检索结果，具体如下：首先，从所述多个不同的特征空间中的颜色特征空间、纹理特征空间中分别选出DCIVI值最大的最优颜色特征空间、最优纹理特征空间；然后，分别将最优颜色特征空间、最优纹理特征空间的DCIVI值与该特征空间相应的特征选择阈值进行比较，如果其中一个特征空间的DCIVI值小于或等于其相应的特征选择阈值，则从另外一个特征空间的VP树索引所得到的查询结果中选取距所述查询图像最近的部分子图像作为最终的检索结果；如果最优颜色特征空间、最优纹理特征空间的DCIVI值均大于其相应的特征选择阈值，则将这两个特征空间的VP树索引所得到的两个查询结果合并为目标子图像集，并利用线性加权的方法计算目标子图像集中各子图像与所述查询图像之间的综合距离，最后从目标子图像集中选取综合距离最小的部分子图像作为最终的检索结果；如果最优颜色特征空间、最优纹理特征空间的DCIVI值均小于或等于其相应的特征选择阈值，则在调整查询距离阈值r后重新进行检索；其中，任意一个特征空间所对应的特征选择阈值TH按照下式得到：$TH=\frac{r}{\overline{D_{\min }}}$式中，r预设的查询距离阈值，表示最近邻子图像集合中所有子图像和所述查询图像间的平均距离；所述利用线性加权的方法计算目标子图像集中各子图像与所述查询图像之间的综合距离，具体方法为通过计算两种特征空间查询到的子图像的数目来确定线性加权计算综合距离时两个特征空间对应的权重：设最佳颜色特征空间查询到的子图像数为Nc,最佳纹理特征空间查询到的子图像数为Nt,则最佳颜色特征的距离的权重为Nt/(Nc+Nt),而最佳纹理特征的距离的权重为Nc/(Nc+Nt)。