利用视觉注意模型和局部特征的遥感影像检索方法

周维勋; 邵振峰; 侯继虎

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用视觉注意模型和局部特征的遥感影像检索方法

周维勋, 邵振峰, 侯继虎

文章导航 > 武汉大学学报 ● 信息科学版 > 2015 > 40(1): 46-52

周维勋, 邵振峰, 侯继虎. 利用视觉注意模型和局部特征的遥感影像检索方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(1): 46-52.

引用本文:

周维勋, 邵振峰, 侯继虎. 利用视觉注意模型和局部特征的遥感影像检索方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(1): 46-52.

Zhou Weixun, Shao Zhenfeng, Hou Jihu. Remote Sensing Imagery Retrieval Method Based on Visual Attention Model and Local Features[J]. Geomatics and Information Science of Wuhan University, 2015, 40(1): 46-52.

Citation:

Zhou Weixun, Shao Zhenfeng, Hou Jihu. Remote Sensing Imagery Retrieval Method Based on Visual Attention Model and Local Features[J]. Geomatics and Information Science of Wuhan University, 2015, 40(1): 46-52.

利用视觉注意模型和局部特征的遥感影像检索方法

¹武汉大学测绘遥感信息工程国家重点实验室湖北武汉 430079

基金项目: 国家自然科学基金资助项目61172174 教育部新世纪优秀人才基金资助项目NCET-12-0426 湖北省自然科学基金杰青资助项目2013CFA024

详细信息

作者简介:
周维勋硕士主要从事遥感图像处理与影像检索研究

中图分类号: P237P208

Remote Sensing Imagery Retrieval Method Based on Visual Attention Model and Local Features

¹State key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing Wuhan University Wuhan 430079 China

摘要: 利用尺度不变特征变换(scale invariant feature transform,SlFT)算子直接提取遥感影像局邵特征进行检索时存在关键点数目多、特征维数高等问题，因此，本文利用视觉注意模型，根据目标显著性的大小从影像上提取显著目标区域，并采用K-means聚类方法对提取的SIF丁局邵特征进行聚类，得到用于检索的特征向量实验结果表明，该方法不仅符合人眼的视觉特性,且在降低SI FT关键点数目和特征维数的同时提高了检索精度和检索效率.
- SIFT /
- 视觉注意模型 /
- 目标显著性 /
- 局部特征 /
- K-means聚类
Abstract: SIFT descriptor is widely used for local feature extraction. However，some problems such as large numbers of extracted key points and its high dimension appear when using SIFT to extract local features from remote sensing imagery directly. To solve these problems and improve the retrieval results，we use a visual attention model to extract objects using their saliency from remote sensing images. The visual attention model is used to extract salient objects through their saliency from remote sensing images firstly，then we use a K-means algorithm to cluster local features，these results are then used as feature vectors for similarity measures. Some experimental results show that our method not only decreases the number of key points and the dimension of local features，but also improves retrieval results at the same time. It also accords with the human visual system.
- SIFT /
- visual attention model /
- object saliency /
- local features /
- K-means

[1]	周于涛, 吴华意, 成洪权, 郑杰, 李学锡. 结合自注意力机制和结伴行为特征的行人轨迹预测模型 . 武汉大学学报 ● 信息科学版, 2020, 45(12): 1989-1996. doi: 10.13203/j.whugis20200159
[2]	李健, 曹垚, 王宗敏, 王广印. 融合k-means聚类和Hausdorff距离的散乱点云精简算法 . 武汉大学学报 ● 信息科学版, 2020, 45(2): 250-257. doi: 10.13203/j.whugis20180204
[3]	霍亮, 段元晶, 朱翊, 沈涛, 张孝勇, 翟佳磊, 符季颖. 顾及局部特征的城市三维模型多尺度表达方法 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1282-1287. doi: 10.13203/j.whugis20200148
[4]	王峰, 尤红建, 傅兴玉. 应用于SAR图像配准的自适应SIFT特征均匀分布算法 . 武汉大学学报 ● 信息科学版, 2015, 40(2): 159-163.
[5]	王达, 卞红雨. 水下声图像多分辨率融合研究 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 77-82.
[6]	李新科, 高潮, 郭永彩, 邵延华, 贺付亮. 利用改进的SIFT算法检测桥梁拉索表面缺陷 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 71-76.
[7]	殷智慧, 李朝奎, 吴柏燕, 杨偶, 杨武. 保持视觉特征的lod模型简化算法研究 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 772-776.
[8]	张谦, 贾永红, 吴晓良, 胡忠文. 一种带几何约束的大幅面遥感影像自动快速配准方法 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 17-21.
[9]	朱先强, 黄金才, 邵振峰, 程光权. 一种定义感兴趣局部显著特征的新方法及其在遥感影像检索中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 652-655.
[10]	万雪, 张祖勋, 柯涛. 一种利用零交叉点理论的改进SIFT特征提取算法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 270-273.
[11]	. 一种利用零交叉点理论的改进SIFT特征提取算法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 270-273.
[12]	张谦, 贾永红, 胡忠文. 多源遥感影像配准中的SIFT特征匹配改进 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 455-459.
[13]	叶沅鑫, 单杰, 熊金鑫, 董来根. 一种结合SIFT和边缘信息的多源遥感影像匹配方法 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1148-1151.
[14]	李德仁, 胡晓光, 朱欣焰. 基于视觉反差的显著图生成与目标检测 . 武汉大学学报 ● 信息科学版, 2012, 37(4): 379-383.
[15]	廖海斌, 陈庆虎, 王宏勇. 融合局部形变模型的鲁棒性人脸识别 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 877-881.
[16]	李芳芳, 贾永红, 肖本林, 张谦. 利用线特征和SIFT点特征进行多源遥感影像配准 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 233-236.
[17]	史磊, 李平湘, 杨杰. 利用SIFT与粗差探测进行SAR影像配准 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1296-1299.
[18]	李芳芳, 肖本林, 贾永红, 毛星亮. SIFT算法优化及其用于遥感影像自动配准 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1245-1249.
[19]	潘励, 郑宏, 张祖勋, 张剑清. 集成高度和彩色纹理特征的影像目标模糊聚类识别方法 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 311-314.
[20]	李德仁. 自检校光束法区域网平差的相关分析和附加参数显著性检验 . 武汉大学学报 ● 信息科学版, 1981, 6(2): 46-65.

点击查看大图

计量

文章访问数: 1023
HTML全文浏览量: 50
PDF下载量: 636
被引次数: 0

利用视觉注意模型和局部特征的遥感影像检索方法

¹武汉大学测绘遥感信息工程国家重点实验室湖北武汉 430079

基金项目: 国家自然科学基金资助项目61172174 教育部新世纪优秀人才基金资助项目NCET-12-0426 湖北省自然科学基金杰青资助项目2013CFA024

作者简介:
周维勋硕士主要从事遥感图像处理与影像检索研究

收稿日期: 2013-05-13
刊出日期: 2015-01-05

中图分类号: P237P208

关键词:

SIFT /

摘要: 利用尺度不变特征变换(scale invariant feature transform,SlFT)算子直接提取遥感影像局邵特征进行检索时存在关键点数目多、特征维数高等问题，因此，本文利用视觉注意模型，根据目标显著性的大小从影像上提取显著目标区域，并采用K-means聚类方法对提取的SIF丁局邵特征进行聚类，得到用于检索的特征向量实验结果表明，该方法不仅符合人眼的视觉特性,且在降低SI FT关键点数目和特征维数的同时提高了检索精度和检索效率.