CN101241504A - 一种基于内容的遥感图像数据智能搜索方法 - Google Patents
一种基于内容的遥感图像数据智能搜索方法 Download PDFInfo
- Publication number
- CN101241504A CN101241504A CNA2008100467564A CN200810046756A CN101241504A CN 101241504 A CN101241504 A CN 101241504A CN A2008100467564 A CNA2008100467564 A CN A2008100467564A CN 200810046756 A CN200810046756 A CN 200810046756A CN 101241504 A CN101241504 A CN 101241504A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- label
- image
- content
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于遥感影像应用领域,特别涉及一种基于内容的遥感图像数据智能搜索方法,根据遥感图像搜索的关键字,进行遥感图像的智能搜索,取得关键字包括:步骤一,通过非监督分类方法对遥感图像进行分类,得到分类栅格图像;步骤二,通过网络发布分类栅格图像,提供开放的人机交互接口,并收录通过人机交互接口为各类图像部分添加的标签;步骤三,对收录的标签进行整理,若有重复内容的标签,增大该标签的权值,将高权值的标签作为相应类图像部分的内容标识;步骤四,提供内容标识作为遥感图像搜索的关键字。本发明提供了开放式关键字获取方案,实施简便,信息丰富,可协助用户对海量遥感图像数据进行信息收集处理,改进检索质量,精确搜索效果。
Description
技术领域
本发明属于遥感影像应用领域,特别涉及一种基于内容的遥感图像数据智能搜索方法。
背景技术
遥感图像数据的智能搜索是图像信息检索中的关键技术。随着遥感图像数据量的急剧增加,如何在基于Web的海量图像数据库中,检索到用户所真正关心的信息是急需解决的一个技术难点。这涉及到人工智能化图像信息检索、提取,以协助用户对互联网和本地计算机的特大数量遥感图像数据进行信息收集及数据处理,改进图像检索质量,达到精确搜索效果。用于查询的元数据一般可分成两大类。一类为数据获取和生产过程自动形成的,如采集时间、空间范围、精度、波段等等技术参数。另一类则是对影像数据内容的描述。如影像中所包含的土地覆盖类型(Landcover Type)和土壤类型。目前,遥感影像数据的查询一般基于第一类元数据,尤以时空要素为主。其局限性显而易见。要提高查询效率,必须从数据内容的描述入手。
基于内容的遥感图像检索不同于传统的遥感目标识别和图像解译技术,它是一种较新的信息检索技术,能够在一定时间范围内,从大型数据库中利用遥感图像的特征,检索所要求的数据。区别于传统的文字描述的检索方法,图像的视觉特征如颜色、纹理和物体的形状、结构关系都可以作为检索信息,符合人们对图像的直观感知。它考虑的重点不在于地物的分类和识别方面,它更关注于基于内容的快速查找和发现。基于内容的遥感图像检索在传统的检索框架中融入了对图像内容的理解,涵盖了图像理解、模式识别,计算机视觉技术和数据库管理及信息检索等领域。该领域的研究主要集中在特征提取、匹配查询、多维索引以及检索系统结构建立上。
早期的基于内容的遥感图像检索技术主要采用基于颜色、纹理和形状匹配等检索方法,根据遥感图像中的纹理和形状特征进行数据匹配和影像识别。而在此过程中,研究者发现元数据信息可以支持基于形状的查询,因为它直接将一定的语义内涵赋予了被搜索的特征。因此,基于内容的遥感图像检索技术中除采用了基于纹理和形状匹配等检索方法外,还综合利用了元数据索引,以缩小搜索空间和加快查询速度。遥感图像的元数据包含了描述图像一般性质的属性集,这些属性包括获取图像时间、入库的时间和日期、比例尺/精度、图像范围等等,更复杂的还可以包括传感器的信息和图像类型。因此,基于内容的遥感图像检索从特征选取、相似性比较、查询机制和系统结构等多方面都有自身的特点。此外,有学者在研究基于内容的大数据量遥感图像中目标地物的检索方法时,根据数据的特点和研究的目的,采用支持向量机作为特征提取和相似性比较的方法,从而避免了特征提取中的信息损失。有学者提出一种基于GIS语义的遥感图像检索方法,通过对GIS原子查询结果进行布尔运算得到矢量查询结果,在此基础上得到与GIS数据具有统一坐标框架的遥感图像检索结果。这些在基于内容的大数据量遥感图像目标地物检索技术上做出了尝试和探索。目前国内外已经建立起一些遥感图像数据搜索的产品和软件系统,如IBM的QBIC,MIT的PhotoBook,UUIC的MARS等。与通用领域的检索系统相比,遥感图像检索有其特殊性,由于遥感图像数据量大,内容复杂,特别是高空间分辨率的图像,与特征库的链接方式非常复杂,因此无论是在系统结构,特征选取,相似性比较等各方面都是目前研究的难点。
由于传统的基于内容的遥感图像物检索技术主要采用基于颜色、纹理和形状匹配和定义元数据信息等检索方法,实施需要在专家帮助下完成基于颜色、纹理和形状的匹配步骤,和考虑复杂的元数据定义等环节,不仅实施过程复杂而且效果并不理想:基于颜色、纹理和形状匹配的方式存在有不确定性,检索难以获得正确结果;基于元数据信息的检索方法,必须事先定义元数据信息,而且元数据一旦定义了在检索时往往无法更改,可能引起所需检索的内容在元数据中并无定义而无法检索的问题。
发明内容
本发明目的在于解决现有技术不足,提供一种基于内容的遥感图像数据智能搜索方法。
为实现上述目的,本发明提供一种基于内容的遥感图像数据智能搜索方法,根据遥感图像搜索的关键字,进行遥感图像的智能搜索,取得关键字包括以下步骤,
步骤一,通过非监督分类方法对遥感图像进行分类,得到分类栅格图像;
步骤二,通过网络发布分类栅格图像,提供开放的人机交互接口,并收录通过人机交互接口为各类图像部分添加的标签;
步骤三,对收录的标签进行整理,若有重复内容的标签,增大该标签的权值,将高权值的标签作为相应类图像部分的内容标识;
步骤四,提供内容标识作为遥感图像搜索的关键字。
而且,预设遥感图像的分类数,据此分类数对遥感图像进行分类。
而且,分类数设为2~30之间。
而且,将步骤一得到的分类栅格图像中不同类图像部分赋以不同颜色,然后通过网络发布。
而且,对分类栅格图像简单矢量化,以内容标识作为图像矢量化后的属性值,支持遥感图像的空间搜索。
而且,通过开放的人机交互接口收录标签的具体实现方式为,参与者操作通过互联网连接的计算机;计算机通过网页演示分类栅格图像以及可帮助目视解译的信息;参与者选中某一分类时,分类栅格图像中该类的所有像素高亮显示;当有2个不同参与者针对该类输入了一样内容的标签时,将标签存入于标签数据库;当后续有其它参与者对同一分类输入标签时,可以选择一样内容的标签或增加其它内容的标签。
而且,所述可帮助目视解译的信息包括原始遥感图像的合成图像或主成分图像。
而且,当后续有其它参与者对同一分类输入标签时,提取出标签数据库中存放的该类已有标签,呈现给参与者供参考。
本发明提出了一种新的遥感图像数据智能搜索方式,这种搜索方式以每类的关键字作为搜索依据,能够更准确、细致的搜索出所关心的地物对象。而且关键字的获取采用了开放式方案,关键字事先并无任何定义,而是通过将分类栅格图像对外公开发布,随着参与者添加的标签而逐步稳定,可以保证为大多数人所认同,作为可靠的检索依据。由于对于关键字描述的图像内容没有任何限制,取得的标志可以表达丰富的图像信息。并且由于这种方案没有任何限制,省略了现有技术中基于颜色、纹理和形状的匹配步骤,和考虑复杂的元数据定义等环节,不需要专家参与前置准备工作,实施简便,对于海量遥感图像数据处理而言具有重要意义。
附图说明
图1是本发明原理示意图;
图2是本发明实施例的遥感图像分类示意图;
图3是本发明实施例的添加标签流程图。
具体实施方式
参见图1,本发明提供一种基于内容的遥感图像数据智能搜索方法,根据遥感图像搜索的关键字,进行遥感图像的智能搜索,取得关键字包括以下步骤,步骤一,通过非监督分类方法对遥感图像进行分类,得到分类栅格图像;
本发明提供的方案适用性强,能够对多波段遥感图像或单波段遥感图像进行处理;能够对不同遥感卫星取得的遥感图像进行处理,如Landsat、SPOT、IKONOS等等卫星影像。采用非监督分类方法是因为这种方法无需像监督分类方法那样事先准备样区,更能达到实施简便的效果。具体实施时可以采用K-Means等已有非监督分类技术。非监督分类方法的特点是可以根据分类精度要求事先设定分类数,本发明建议分类数在2~30之间,这个数值可以预设,也可以通过人机交互由参与者选定,然后传送到对遥感图像分类的执行设备。所述执行设备一般采用设有图像数据库的大型计算机。可以将分类结果以整数表达,采用整数值标明遥感图像中某像素的类属。
步骤二,通过网络发布分类栅格图像,提供开放的人机交互接口,并收录通过人机交互接口为各类图像部分添加的标签;
通过网络发布分类栅格图像可以采用成熟的Web Services技术,只需一台联入互联网的PC,任何人都可成为参与者。人机交互接口可以采用网页界面实现。为了方便参与者查看,可将步骤一得到的分类栅格图像中不同类图像部分赋以不同颜色,然后通过网络发布。具体实施时,计算机通过网页演示分类栅格图像以及可帮助目视解译的信息,所述可帮助目视解译的信息可以是原始遥感图像的合成图像或主成分图像。参与者选中某一分类时,分类栅格图像中该类的所有像素高亮显示;当有2个不同参与者针对该类输入了一样内容的标签时,将标签存入于标签数据库;当后续有其它参与者对同一分类输入标签时,可以选择一样内容的标签或增加其它内容的标签。具体实施时,也可扩展参与平台,智能手机、PDA、易PC等联网设备均属于等同替换手段。特别需要注意的是,这种标签收录方式没有限定任何规则,和基于语义网的加注方法不同,无需事先根据遥感图像特征建立本体。
步骤三,对收录的标签进行整理,若有重复内容的标签,增大该标签的权值,将高权值的标签作为相应类图像部分的内容标识;
对收录的标签进行整理是一种统计工作,可以将所有参与者输入的标签统一收录到标签数据库后进行处理。当后续有其它参与者对同一分类输入标签时,可以选择一样内容的标签或增加其它内容的标签,具体实施时可以提取出标签数据库中存放的该类已有标签,呈现给参与者,供参与者选择认同。为了系统条理的存放标签,标签数据库可采用简单的本体库方式实现,可以同样设置在图像分类的执行设备中,或者另设数据库服务器。为了提高获得有效标签的效率,避免数据量过大,还可在存入数据库之前进行即时性处理,例如当判断第一次出现某标签时,存储该标签到内存,在邻近时间又出现同样内容的标签时,将该标签收入标签数据库,并将权值加1。如果超过一定时间没有相同内容的标签,则丢弃该标签。所述高权值是某分类的多个标签之间相对而言,可以提供最高权值的标签作为相应类图像部分的内容标识,也可提供前几位的标签一起作为相应类图像部分的内容标识,以便提高更丰富的检索信息。步骤四,提供内容标识作为遥感图像搜索的关键字。
通过关键字搜索的具体实现方式可以参考现有搜索技术,本发明的关键在于关键字的取得,具体搜索时从标签数据库中查询关键字即可。对分类栅格图像中的各分类分别收录标签,获得的分类标签存入标签数据库(动态过程,标签会随着参与者的添加而变动修改),相应分类关键字作为智能搜索基础。
若事先对遥感图像进行进一步处理,可以支持多样的复杂空间搜索,例如对分类栅格图像简单矢量化,以内容标识作为图像矢量化后的属性值,支持遥感图像的空间搜索。
具体实施时,开放式获取关键字可以借鉴维基的超文本技术,以网站形式向公众提供,从而收录标签。为了提高收录效率,本发明建议采用网络游戏形式,提高公众参与积极性,参见图2、3:
在游戏参加者中随机挑选两人甲和乙,每人操作一台通过互联网连接的计算机。
游戏开始前,甲和乙协商选定待分类影像、确定分类数,选中的遥感图像根据分类数进行K-Means非监督分类法分类,得到整数分类结果,分类结果图形化得到分类栅格图像。并且各类赋以不同颜色。
游戏开始时,网页演示分类图以及可帮助目视解译的信息,如原始图像的合成图或主成分图像等。游戏过程中,甲选中某一分类,该类的所有象素在图像上进行高亮显示。甲和乙分别输入该类的描述标签。若两人输入了一样内容的标签(标签甲=标签乙),两人得到游戏得分加1,标签保留于数据库,然后判断新标签是否为已记录的标签,是则标签得分+1(权值增加)。若两人输入不一致,可重新输入,或放弃。下一步由乙指定尚未标签的类,如此循环至规定的游戏时间结束。其他游戏者参与游戏时遵循同样的游戏规则添加各类标签。不同的是,他们可以选择前一对参与者保留下来的标签。
Claims (8)
1.一种基于内容的遥感图像数据智能搜索方法,其特征是:根据遥感图像搜索的关键字,进行遥感图像的智能搜索,取得关键字包括以下步骤,
步骤一,通过非监督分类方法对遥感图像进行分类,得到分类栅格图像;
步骤二,通过网络发布分类栅格图像,提供开放的人机交互接口,并收录通过人机交互接口为各类图像部分添加的标签;
步骤三,对收录的标签进行整理,若有重复内容的标签,增大该标签的权值,将高权值的标签作为相应类图像部分的内容标识;
步骤四,提供内容标识作为遥感图像搜索的关键字。
2.根据权利要求1所述的遥感图像数据智能搜索方法,其特征是:预设遥感图像的分类数,据此分类数对遥感图像进行分类。
3.根据权利要求2所述的遥感图像数据智能搜索方法,其特征是:分类数设为2~30之间。
4.根据权利要求1所述的遥感图像数据智能搜索方法,其特征是:将步骤一得到的分类栅格图像中不同类图像部分赋以不同颜色,然后通过网络发布。
5.根据权利要求1所述的遥感图像数据智能搜索方法,其特征是:对分类栅格图像简单矢量化,以内容标识作为图像矢量化后的属性值,支持遥感图像的空间搜索。
6.根据权利要求1或2或3或4或5所述的遥感图像数据智能搜索方法,其特征是:通过开放的人机交互接口收录标签的具体实现方式为,
参与者操作通过互联网连接的计算机;计算机通过网页演示分类栅格图像以及可帮助目视解译的信息;参与者选中某一分类时,分类栅格图像中该类的所有像素高亮显示;当有2个不同参与者针对该类输入了一样内容的标签时,将标签存入于标签数据库;当后续有其它参与者对同一分类输入标签时,可以选择一样内容的标签或增加其它内容的标签。
7.根据权利要求6所述的遥感图像数据智能搜索方法,其特征是:所述可帮助目视解译的信息包括原始遥感图像的合成图像或主成分图像。
8.根据权利要求6所述的遥感图像数据智能搜索方法,其特征是:当后续有其它参与者对同一分类输入标签时,提取出标签数据库中存放的该类已有标签,呈现给参与者供参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100467564A CN101241504A (zh) | 2008-01-23 | 2008-01-23 | 一种基于内容的遥感图像数据智能搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100467564A CN101241504A (zh) | 2008-01-23 | 2008-01-23 | 一种基于内容的遥感图像数据智能搜索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101241504A true CN101241504A (zh) | 2008-08-13 |
Family
ID=39933037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100467564A Pending CN101241504A (zh) | 2008-01-23 | 2008-01-23 | 一种基于内容的遥感图像数据智能搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101241504A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877007A (zh) * | 2010-05-18 | 2010-11-03 | 南京师范大学 | 融合空间方位关系语义的遥感图像检索方法 |
CN102073748A (zh) * | 2011-03-08 | 2011-05-25 | 武汉大学 | 一种基于视觉关键词的遥感影像语义检索方法 |
CN102081669A (zh) * | 2011-01-24 | 2011-06-01 | 哈尔滨工业大学 | 多源遥感资源异构数据库的分级检索方法 |
CN101692224B (zh) * | 2009-07-08 | 2011-08-17 | 南京师范大学 | 融合空间关系语义的高分辨率遥感图像检索方法 |
CN103345511A (zh) * | 2013-07-04 | 2013-10-09 | 西北工业大学 | 一种基于稀疏表达的遥感图像检索方法 |
CN103699679A (zh) * | 2013-12-31 | 2014-04-02 | 上海华勤通讯技术有限公司 | 目标对象的信息检索方法及信息检索设备 |
CN104063421A (zh) * | 2014-05-14 | 2014-09-24 | 中交宇科(北京)空间信息技术有限公司 | 海量交通遥感数据检索方法和装置 |
CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
CN105528622A (zh) * | 2015-12-28 | 2016-04-27 | 山东科技大学 | 一种高分辨率遥感图像分类算法时空效率优化方法 |
CN107251045A (zh) * | 2015-03-05 | 2017-10-13 | 欧姆龙株式会社 | 物体识别装置、物体识别方法及程序 |
CN107766444A (zh) * | 2017-09-22 | 2018-03-06 | 上海卫星工程研究所 | 星地协同遥测信息智能转换系统 |
-
2008
- 2008-01-23 CN CNA2008100467564A patent/CN101241504A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692224B (zh) * | 2009-07-08 | 2011-08-17 | 南京师范大学 | 融合空间关系语义的高分辨率遥感图像检索方法 |
CN101877007A (zh) * | 2010-05-18 | 2010-11-03 | 南京师范大学 | 融合空间方位关系语义的遥感图像检索方法 |
CN102081669A (zh) * | 2011-01-24 | 2011-06-01 | 哈尔滨工业大学 | 多源遥感资源异构数据库的分级检索方法 |
CN102081669B (zh) * | 2011-01-24 | 2012-11-21 | 哈尔滨工业大学 | 多源遥感资源异构数据库的分级检索方法 |
CN102073748A (zh) * | 2011-03-08 | 2011-05-25 | 武汉大学 | 一种基于视觉关键词的遥感影像语义检索方法 |
CN102073748B (zh) * | 2011-03-08 | 2012-07-25 | 武汉大学 | 一种基于视觉关键词的遥感影像语义检索方法 |
CN103345511B (zh) * | 2013-07-04 | 2016-08-10 | 西北工业大学 | 一种基于稀疏表达的遥感图像检索方法 |
CN103345511A (zh) * | 2013-07-04 | 2013-10-09 | 西北工业大学 | 一种基于稀疏表达的遥感图像检索方法 |
CN103699679A (zh) * | 2013-12-31 | 2014-04-02 | 上海华勤通讯技术有限公司 | 目标对象的信息检索方法及信息检索设备 |
CN104063421A (zh) * | 2014-05-14 | 2014-09-24 | 中交宇科(北京)空间信息技术有限公司 | 海量交通遥感数据检索方法和装置 |
CN104063421B (zh) * | 2014-05-14 | 2017-07-21 | 中交宇科(北京)空间信息技术有限公司 | 海量交通遥感数据检索方法和装置 |
CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
CN104077411B (zh) * | 2014-07-14 | 2018-01-12 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
CN107251045A (zh) * | 2015-03-05 | 2017-10-13 | 欧姆龙株式会社 | 物体识别装置、物体识别方法及程序 |
CN105528622A (zh) * | 2015-12-28 | 2016-04-27 | 山东科技大学 | 一种高分辨率遥感图像分类算法时空效率优化方法 |
CN105528622B (zh) * | 2015-12-28 | 2019-03-05 | 山东科技大学 | 一种高分辨率遥感图像分类算法时空效率优化方法 |
CN107766444A (zh) * | 2017-09-22 | 2018-03-06 | 上海卫星工程研究所 | 星地协同遥测信息智能转换系统 |
CN107766444B (zh) * | 2017-09-22 | 2021-10-19 | 上海卫星工程研究所 | 星地协同遥测信息智能转换系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101241504A (zh) | 一种基于内容的遥感图像数据智能搜索方法 | |
KR102089100B1 (ko) | 이미지 데이터베이스 기반 상호인식차를 최소화하는 인테리어 서비스 제공 시스템 | |
DE112015002286T9 (de) | Visuelle interaktive suche | |
CN101853299B (zh) | 一种基于感性认知的图像检索结果排序方法 | |
CN102576372B (zh) | 基于内容的图像搜索 | |
CN102508909B (zh) | 一种基于多智能算法及图像融合技术的图像检索方法 | |
CN101853295B (zh) | 一种图像检索方法 | |
Afifi et al. | Image retrieval based on content using color feature | |
Lewis et al. | An integrated content and metadata based retrieval system for art | |
CN101866352A (zh) | 一种基于图像内容分析的外观设计专利检索方法 | |
Purificato et al. | Multimedia and geographic data integration for cultural heritage information retrieval | |
CN105701225A (zh) | 一种基于统一关联超图规约的跨媒体检索方法 | |
CN112579816A (zh) | 遥感图像的检索方法、装置、电子设备及存储介质 | |
US11650073B2 (en) | Knowledge space analytics | |
Yu et al. | The Related Techniques of content-based image retrieval | |
Min et al. | Overview of content-based image retrieval with high-level semantics | |
Guo et al. | Object discovery in high-resolution remote sensing images: a semantic perspective | |
Goyal et al. | A Review on Different Content Based Image Retrieval Techniques Using High Level Semantic Feature | |
Albertoni et al. | Ontology-based searching framework for digital shapes | |
CN114238772A (zh) | 内容自适应感知的网络地图智能推荐系统 | |
Jain | NSF workshop on visual information management systems: workshop report | |
Tran et al. | Building a deep ontology-based herbal medicinal plant search system | |
Qu et al. | An investigation of benchmark image collections: how different from digital libraries? | |
Korfhage et al. | Intentional image similarity search | |
Wang et al. | A feature extraction and similarity metric-learning framework for urban model retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080813 |