CN115984709B

CN115984709B - 一种快速大尺度遥感图像的内容识别方法

Info

Publication number: CN115984709B
Application number: CN202211642254.4A
Authority: CN
Inventors: 张文凯; 袁志强; 阮航; 陈佳良; 李硕轲; 李霁豪; 曾涛
Original assignee: Aerospace Information Research Institute of CAS
Current assignee: Aerospace Information Research Institute of CAS
Priority date: 2022-12-20
Filing date: 2022-12-20
Publication date: 2023-07-04
Anticipated expiration: 2042-12-20
Also published as: CN115984709A

Abstract

本申请提供一种快速大尺度遥感图像的内容识别方法，包括：获取目标文本特征向量W；对M进行第一切分处理，得到第一图像列表P1；根据P1得到第一匹配度列表R1；将R1中与W符合第一匹配条件的匹配度对应的第一图像确定为第二图像，得到第二图像列表P2；获取P2中每一第二图像在M中对应的原始像素点，得到原始像素点列表G；根据G分别对M进行第二切分处理和第三切分处理，得到第三图像列表P3和第四图像列表P4；获取P3中每一第三图像与W的匹配度，以及P4中每一第四图像与W的匹配度，得到第二匹配度列表R2第三匹配度列表R3；根据R1、R2和R3获取M中每一像素点对应的目标匹配度，得到目标匹配度列表R4；根据R4生成检索结果热力图。

Description

一种快速大尺度遥感图像的内容识别方法

技术领域

本申请涉及遥感图像识别领域，尤其涉及一种快速大尺度遥感图像的内容识别方法。

背景技术

卫星遥感具有获取地物信息速度快、效果好的特点，并且不受地域限制，因此它已经在导航、资源调查、测绘和军事侦察等领域获得了广泛的引用。高分辨率遥感影像可以真实的反应各种地物信息，它的空间分辨率一般可达到米级，它所反应的地物的空间，几何特征，形状及纹理信息都非常清晰和丰富。目前世界上主流的高分辨遥感卫星有很多，比如国内的资源卫星、高分卫星、天绘一号卫星、北京卫星等，他们的空间分辨率均可达到米级。在小空间尺度上观察地表的变化细节、进行大比例尺遥感制图，这都得益于这些高分辨率卫星遥感影响的出现。由于遥感高分辨率影像具有数据量大，数据复杂以及尺寸大的特点，使得对高分辨率的遥感图像进行内容识别时的数据处理量极大。

发明内容

有鉴于此，本申请提供一种快速大尺度遥感图像的内容识别方法，至少部分解决现有技术中存在的问题。

在本申请的一方面，提供一种快速大尺度遥感图像的内容识别方法，包括：

S100，获取针对待识别遥感图像M的原始识别条件文本信息A1对应的目标文本特征向量W。

S200，对M进行第一切分处理，得到第一图像列表P1=(P1₁，P1₂，…，P1_i，…，P1_n)，i=1，2，…，n；其中，n为对M进行第一切分处理后得到的第一图像的数量，P1_i为P1中第i张第一图像；每一第一图像的图像尺寸均为第一尺寸。

S300，获取P1中每一第一图像与W的匹配度，得到第一匹配度列表R1=(R1₁，R1₂，…，R1_i，…，R1_n)；其中，R1_i为P1_i和W之间的匹配度。

S400，将R1中与W符合第一匹配条件的匹配度对应的第一图像确定为第二图像，得到第二图像列表P2=(P2₁，P2₂，…，P2_j，…，P2_m)，j=1，2，…，m，m＜n；其中，m为R1中符合第一匹配条件的匹配度的数量，P2_j为P2中第j个第二图像。

S500，获取P2中每一第二图像中的u个目标像素点在M中对应的原始像素点，得到原始像素点列表G=(G1，G2，…，Gy，…，Gx)，y=1，2，…，x；其中，Gy为M中对应的第y个原始像素点，x为M中对应的原始像素点的数量，x=u*m。

S600，根据G分别对M进行第二切分处理和第三切分处理，得到第三图像列表P3=(P3₁，P3₂，…，P3_y，…，P3_x)，和第四图像列表P4=(P4₁，P4₂，…，P4_y，…，P4_x)；其中，P3_y为以Gy为中心点对M进行第二切分处理得到的第三图像，每一第三图像的图像尺寸均为第二尺寸；P4_y为以Gy为中心点对M进行第三切分处理得到的第四图像，每一第四图像的图像尺寸均为第三尺寸；第一尺寸大于第二尺寸大于第三尺寸。

S700，获取P3中每一第三图像与W的匹配度，以及P4中每一第四图像与W的匹配度，得到第二匹配度列表R2=(R2₁，R2₂，…，R2_y，…，R2_x)和第三匹配度列表R3=(R3₁，R3₂，…，R3_y，…，R3_x)；其中，R2_y为P3_y和W之间的匹配度，R3_y为P4_y和W之间的匹配度。

S800，根据R1、R2和R3获取M中每一像素点对应的目标匹配度，得到目标匹配度列表R4=(R4₁，R4₂，…，R4_p，…，R4_q)，p=1，2，…，q；其中，q为M中像素点的数量，R4_p为根据M中第p个像素点所对应的每一目标图像的匹配度得到的目标匹配度；目标图像为第一图像、第三图像或第四图像。

S900，根据R4生成检索结果热力图。

在本申请的另一方面，提供一种电子设备，包括处理器和存储器。

所述处理器通过调用所述存储器存储的程序或指令，用于执行上述任一项所述方法的步骤。

在本申请的另一方面，提供一种非瞬时性计算机可读存储介质，所述非瞬时性计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行上述任一项所述方法的步骤。

本申请提供的快速大尺度遥感图像的内容识别方法，首先对待识别遥感图像M进行第一切分处理得到n个第一尺度的第一图像，并根据每一第一图像与目标文本特征向量W之间的匹配度，选择出符合第一匹配条件的匹配度对应的第一图像确定为第二图像，第二图像为与W匹配度较高的第一图像，即包含原始识别条件文本信息所要识别的目标的可能性更大的第一图像。如此，实现了对M于W的第一次匹配识别。然后根据每一第二图像在M中对应的原始像素点，对M进行第二切分处理和第三切分处理，得到x个第三图像和x个第四图像。可以理解的是，由于第二图像是与W匹配度较高的图像，且原始像素点是根据存在于第二图像中目标像素点确定的，故而第三图像和第四图像也是大概率能够包含原始识别条件文本信息所要识别的目标的。通过将第三图像和第四图像分别与W进行匹配度对比，完成M于W的第二次和第三次匹配识别。至此，得到了第一匹配度列表R1、第二匹配度列表R2和第三匹配度列表R3，三个匹配度列表中的匹配度，能够反应出M在不同图像尺度下的区域（即第一图像、第三图像和第四图像）与W之间的匹配情况，且小尺度匹配。同时，由于第一图像、第三图像和第四图像之间部分会存在区域重叠请的情况，故而本申请中会根据M中每一像素点所对应的每一目标图像的匹配度得到该像素点的目标匹配度，从而得到M中每一像素点与W之间的目标匹配度，使得根据R4生成的检索结果热力图，能够反应出M中每一像素点与W之间的匹配情况，实现了对遥感图像的像素级识别。

同时，由于图像尺寸更小（相较于第一图像）的第三图像和第四图像，是根据第二图像上的目标像素点确定出的，故而不用覆盖整张待处理遥感图像，使得在进行后续的第二次和第三次匹配识别所需的整体数据处理量降低，降低了因待处理遥感图像的尺寸过大，导致进行识别任务时的数据处理量过大的问题。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的一种快速大尺度遥感图像的内容识别方法的流程图。

具体实施方式

下面结合附图对本申请实施例进行详细描述。

需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

请参考图1所示，本申请提供一种快速大尺度遥感图像的内容识别方法，包括以下步骤：

S100，获取针对待识别遥感图像M的原始识别条件文本信息A1对应的目标文本特征向量W。其中，待识别遥感图像M的图像尺寸大于等于预设尺寸，且预设尺寸大于第一尺寸。具体的，预设尺寸可以为4320像素*4320像素。其中，原始识别条件文本信息A1用于表示对应的识别需求，如“识别M中的建筑物”、“识别M中的飞行器”或“识别M中停在飞机场上的飞行器”，其中“建筑物”和“飞行器”即为需要识别的目标。

具体的，所述步骤S100，包括：

S110，获取针对待识别遥感图像M的原始识别条件文本信息A1。

S120，对A1进行分词，得到分词列表C=(C1，C2，…，Ca，…，Cb)，a=1，2，…，b。其中，b为A1中分词的数量，Ca为A1中第a个分词。其中，确定分词的方法可以采用现有语义识别程序或模型进行确定，以得到C。

S130，对C进行d次分词随机排序，得到d个重组后文本信息A2，A3，…，Ae，e=d+1，本实施例中，d的取值为3-10，优选的d=4。

S140，分别对A1，A2，A3，…，Ae进行文本特征提取，得到e个原始文本特征向量W1，W2，W3，…，We。具体的，进行文本特征提取的方法，可以采用现有的文本特征提取方法。

S150，对W1，W2，W3，…，We进行特征融合，得到目标文本特征向量W=(W1+W2+W3+…+We)/e。

由于在对文本信息进行文本特征提取时，经常会出现语义缺失（特征缺失）的问题。本实施例中，为了避免仅对A1进行文本特征提取导致语义缺失从而降低了最终目标识别的准确度。会将A1在分词层面进行拆分，并进行随机排序后充足，得到d个重组后文本信息A2，A3，…，Ae。

然后对A1，A2，A3，…，Ae进行文本特征提取，在进行特征融合，使得目标文本特征向量W中的特征分布更加均衡，以减少语义缺失的情况发生，从而能够提供后续的目标识别的准确度。

S200，对M进行第一切分处理，得到第一图像列表P1=(P1₁，P1₂，…，P1_i，…，P1_n)，i=1，2，…，n。其中，n为对M进行第一切分处理后得到的第一图像的数量，P1_i为P1中第i张第一图像。每一第一图像的图像尺寸均为第一尺寸，具体的，第一尺寸可以为255像素*255像素。任意两个第一图像之间相互不重合，且n个第一图像能够组成M，即第一图像是对M进行顺序切分后得到的。

S300，获取P1中每一第一图像与W的匹配度，得到第一匹配度列表R1=(R1₁，R1₂，…，R1_i，…，R1_n)。其中，R1_i为P1_i和W之间的匹配度。具体的，匹配度越高则表明对应的第一图像存在A1需要识别的目标的概率更大。

具体的，所述步骤S300，包括：

S310，对每一第一图像进行特征提取，得到第一图像特征向量列表T1=(T1₁，T1₂，…，T1_i，…，T1_n)。其中，T1_i为P1_i对应的第一图像特征向量。具体的，在对第一图像进行特征提取时，可以采用现有的图像特征提取方法或程序等。

S320，根据T1和W，获取第一匹配度列表R1=(R1₁，R1₂，…，R1_i，…，R1_n)；其中，R1_i为对T1_i和W之间进行匹配度比较得到的匹配度。

本实施例中，获取T1_i和W之间进行匹配度可以通过计算T1_i和W之间的余弦相似度或欧氏距离等，确定两者之间匹配度，两者的余弦相似度越高，则匹配度越高，两者的欧式距离越近则匹配度越高。本申请中，R1_i为根据T1_i和W之间的余弦相似度确定的。

同时，本申请中，为保证获得的匹配度更加准确，在确定图像特征提取方法和文本特征提取方法时，会选取输出的特征向量的特征维度相同的图像特征提取方法和文本特征提取方法。

具体的，所述步骤S400，包括：

S410，对R1中的匹配度进行排序，得到中间匹配度列表D=(D1，D2，…，Di，…，Dn)。其中，Di为D中第i个匹配度，D1＞D2＞…＞Di＞…＞Dn。即将R1中的匹配度由大到小进行排序得到D。

S420，对D中的匹配度进行选取，得到第三匹配度列表E=(E1，E2，…，Ej，…，Em)。其中，Ej为E中第j个匹配度，且Ej=Dj，m=⌊λ*n⌋，λ为预设的比例系数，且λ＜1。具体的，本实施例中，λ的取值范围为0.1到0.5。优选的，λ=0.15。当λ=0.15时，E中则包括了D中匹配度最高的前15%的匹配度。

S430，将E中每一匹配度对应的第一图像确定为第二图像，得到第二图像列表P2=(P2₁，P2₂，…，P2_j，…，P2_m)；其中，P2_j为Ej对应的第二图像。

本实施例通过上述步骤，可以将存在所要识别的目标的概率更大的第一图像确定为第二图像，并在后续步骤中根据第二图像确定出第三图像和第四图像，避免了以第二尺寸和第三尺寸对M进行全量切分，以减少第三图像和第四图像的数量，从而降低了整体的数据处理量。

S500，获取P2中每一第二图像中的u个目标像素点在M中对应的原始像素点，得到原始像素点列表G=(G1，G2，…，Gy，…，Gx)，y=1，2，…，x。其中，Gy为M中对应的第y个原始像素点，x为M中对应的原始像素点的数量，x=u*m。具体的，本实施例中，u=9，即会在每一第二图像中确定出9个目标像素点，其中针对任意第二图像，9个目标像素点包括4个角点，1个中心点，以及每一角点与中心点连线之间的中点。

S700，获取P3中每一第三图像与W的匹配度，以及P4中每一第四图像与W的匹配度，得到第二匹配度列表R2=(R2₁，R2₂，…，R2_y，…，R2_x)和第三匹配度列表R3=(R3₁，R3₂，…，R3_y，…，R3_x)；其中，R2_y为P3_y和W之间的匹配度，R3_y为P4_y和W之间的匹配度。具体的R2和R3的具体确定方法可以参考前述的步骤S310和步骤S320，此处不加赘述。

由于第二尺寸和第三尺寸均小于第一尺寸，故而确定第三图像和第四图像与W之间的匹配度，实际可以理解为进行细粒度更小的目标识别。周知的，在进行目标识别时，细粒度更小则识别结果更加精准。

由于第三图像和第四图像是以第二图像上的目标像素点在M上对应的原始像素点为中心点确定的，故而第三图像和第四图像之间在M中对应的区域会有重叠，二者与第一图像之间在M中对应的区域也会有重叠，第一图像组合后更够得到完整的M。故而，M中每一像素点最少会对应的第一图像、第三图像或第四图像其中之一，最多可以同时对应第一图像、第三图像和第四图像。故而，本实施例中，会对任意像素点对应的所有目标图像的匹配度进行融合，得到该匹配度对应的目标匹配度。

具体的，R4_p符合以下条件：

R4_p=(y1+y2+y3)/num；

其中，y1为M中第p个像素点对应的第一图像的匹配度，y2为M中第p个像素点对应的第二图像的匹配度，y3为M中第p个像素点对应的第三图像的匹配度，具体的，若M中第p个像素点不对应第一图像则y1=0，y2和y3同理，不再赘述。num为M中第p个像素点对应的目标图像的数量。

S900，根据R4生成检索结果热力图。

具体的，步骤S900，包括：

S910，建立与M同尺寸的原始矩阵。原始矩阵的行数等于M中像素点的行数，原始矩阵的列数等于M中像素点的列数。

S920，根据R4对原始矩阵进行赋值，得到中间矩阵。具体的，由于原始矩阵中每一位置均在M中存在唯一对应的像素点，故而对原始矩阵进行赋值时，可以根据R4中每一目标匹配度在M中对应的像素点的位置，对原始矩阵中相对应的位置进行赋值，得到中间矩阵。

S930，对中间矩阵进行高斯滤波，得到目标矩阵。具体的，进行高斯滤波可以采用现有的滤波核对中间矩阵进行高斯滤波。优选的，滤波核的尺寸与第一图像的尺寸相同。

S940，根据目标矩阵生成检索结果热力图。其中，检索结果热力图可以使用现有的热力图生成方法进行生成，具体的，热力图中的热力值根据对应的目标匹配度确定，目标匹配度越高，则热力值越高。热力值越高，则表面对应的像素点包含所要识别的目标的概率更高。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

根据本申请的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件（包括储存器和处理器）的总线。

其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。

储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器（RAM）和/或高速缓存储存器，还可以进一步包括只读储存器（ROM）。

储存器还可以包括具有一组（至少一个）程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

电子设备也可以与一个或多个外部设备（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本申请的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。

此外，上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims

1.一种快速大尺度遥感图像的内容识别方法，其特征在于，包括：

S100，获取针对待识别遥感图像M的原始识别条件文本信息A1对应的目标文本特征向量W；

S200，对M进行第一切分处理，得到第一图像列表P1=(P1₁，P1₂，…，P1_i，…，P1_n)，i=1，2，…，n；其中，n为对M进行第一切分处理后得到的第一图像的数量，P1_i为P1中第i张第一图像；每一第一图像的图像尺寸均为第一尺寸；

S300，获取P1中每一第一图像与W的匹配度，得到第一匹配度列表R1=(R1₁，R1₂，…，R1_i，…，R1_n)；其中，R1_i为P1_i和W之间的匹配度；

S400，将R1中与W符合第一匹配条件的匹配度对应的第一图像确定为第二图像，得到第二图像列表P2=(P2₁，P2₂，…，P2_j，…，P2_m)，j=1，2，…，m，m＜n；其中，m为R1中符合第一匹配条件的匹配度的数量，P2_j为P2中第j个第二图像；

S500，获取P2中每一第二图像中的u个目标像素点在M中对应的原始像素点，得到原始像素点列表G=(G1，G2，…，Gy，…，Gx)，y=1，2，…，x；其中，Gy为M中对应的第y个原始像素点，x为M中对应的原始像素点的数量，x=u*m；

S600，根据G分别对M进行第二切分处理和第三切分处理，得到第三图像列表P3=(P3₁，P3₂，…，P3_y，…，P3_x)，和第四图像列表P4=(P4₁，P4₂，…，P4_y，…，P4_x)；其中，P3_y为以Gy为中心点对M进行第二切分处理得到的第三图像，每一第三图像的图像尺寸均为第二尺寸；P4_y为以Gy为中心点对M进行第三切分处理得到的第四图像，每一第四图像的图像尺寸均为第三尺寸；第一尺寸大于第二尺寸大于第三尺寸；

S700，获取P3中每一第三图像与W的匹配度，以及P4中每一第四图像与W的匹配度，得到第二匹配度列表R2=(R2₁，R2₂，…，R2_y，…，R2_x)和第三匹配度列表R3=(R3₁，R3₂，…，R3_y，…，R3_x)；其中，R2_y为P3_y和W之间的匹配度，R3_y为P4_y和W之间的匹配度；

S800，根据R1、R2和R3获取M中每一像素点对应的目标匹配度，得到目标匹配度列表R4=(R4₁，R4₂，…，R4_p，…，R4_q)，p=1，2，…，q；其中，q为M中像素点的数量，R4_p为根据M中第p个像素点所对应的每一目标图像的匹配度得到的目标匹配度；目标图像为第一图像、第三图像或第四图像；

S900，根据R4生成检索结果热力图。

2.根据权利要求1所述的快速大尺度遥感图像的内容识别方法，其特征在于，所述步骤S100，包括：

S110，获取针对待识别遥感图像M的原始识别条件文本信息A1；

S120，对A1进行分词，得到分词列表C=(C1，C2，…，Ca，…，Cb)，a=1，2，…，b；其中，b为A1中分词的数量，Ca为A1中第a个分词；

S130，对C进行d次分词随机排序，得到d个重组后文本信息A2，A3，…，Ae，e=d+1；

S140，分别对A1，A2，A3，…，Ae进行文本特征提取，得到e个原始文本特征向量W1，W2，W3，…，We；

S150，对W1，W2，W3，…，We进行特征融合，得到目标文本特征向量W。

3.根据权利要求2所述的快速大尺度遥感图像的内容识别方法，其特征在于，

W=(W1+W2+W3+…+We)/e。

4.根据权利要求1所述的快速大尺度遥感图像的内容识别方法，其特征在于，所述步骤S300，包括：

S310，对每一第一图像进行特征提取，得到第一图像特征向量列表T1=(T1₁，T1₂，…，T1_i，…，T1_n)；其中，T1_i为P1_i对应的第一图像特征向量；

5.根据权利要求1所述的快速大尺度遥感图像的内容识别方法，其特征在于，所述步骤S400，包括：

S410，对R1中的匹配度进行排序，得到中间匹配度列表D=(D1，D2，…，Di，…，Dn)；其中，Di为D中第i个匹配度，D1＞D2＞…＞Di＞…＞Dn；

S420，对D中的匹配度进行选取，得到第三匹配度列表E=(E1，E2，…，Ej，…，Em)；其中，Ej为E中第j个匹配度，且Ej=Dj，m=⌊λ*n⌋，λ为预设的比例系数，且λ＜1；

6.根据权利要求5所述的快速大尺度遥感图像的内容识别方法，其特征在于，λ的取值范围为0.1到0.5。

7.根据权利要求6所述的快速大尺度遥感图像的内容识别方法，其特征在于，λ=0.15。

8.根据权利要求1所述的快速大尺度遥感图像的内容识别方法，其特征在于，任意两个第一图像之间相互不重合。

9.一种电子设备，其特征在于，包括处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述方法的步骤。

10.一种非瞬时性计算机可读存储介质，其特征在于，所述非瞬时性计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述方法的步骤。