公开(公告)号：CN109815357A

公开(公告)日：2019-05-28

申请号：CN201910078994.1

申请日：2019-01-28

Applicant: 辽宁工程技术大学

Inventor： 彭晏飞 ,  武宏 ,  王伟 ,  訾玲玲 ,  宋晓男

IPC: G06F16/55 ,  G06F16/583 ,  G06T5/00

Abstract: 本发明提出一种基于非线性降维及稀疏表示的遥感图像检索方法，包括：获取遥感图像，作为训练样本；通过去雾增强及色彩恢复进行预处理；使用卷积神经网络模型进行特征提取；线性降维加非线性降维；利用SOMP算法求解稀疏系数矩阵，并使用K-SVD稀疏编码算法进行字典训练学习；构建分类准则；使用随机森林作为分类器，得到分类后的稀疏表示特征；用测试样本的图像特征向量与分类后的稀疏表示特征向量计算欧式距离，得到图像检索结果；本发明通过线性及非线性降维方式结合，对高维特征进行有效降维，并利用结合最近邻空间域像素的稀疏分类，使得数据集分类准确，经过实验结果验证，本发明可以解决遥感图像检索中效率低下和精度不高的问题。

公开(公告)号：CN109815357B

公开(公告)日：2022-12-06

申请号：CN201910078994.1

申请日：2019-01-28

Applicant: 辽宁工程技术大学

Inventor： 彭晏飞 ,  武宏 ,  王伟 ,  訾玲玲 ,  宋晓男

IPC: G06F16/55 ,  G06F16/583 ,  G06T5/00

Abstract: 本发明提出一种基于非线性降维及稀疏表示的遥感图像检索方法，包括：获取遥感图像，作为训练样本；通过去雾增强及色彩恢复进行预处理；使用卷积神经网络模型进行特征提取；线性降维加非线性降维；利用SOMP算法求解稀疏系数矩阵，并使用K‑SVD稀疏编码算法进行字典训练学习；构建分类准则；使用随机森林作为分类器，得到分类后的稀疏表示特征；用测试样本的图像特征向量与分类后的稀疏表示特征向量计算欧式距离，得到图像检索结果；本发明通过线性及非线性降维方式结合，对高维特征进行有效降维，并利用结合最近邻空间域像素的稀疏分类，使得数据集分类准确，经过实验结果验证，本发明可以解决遥感图像检索中效率低下和精度不高的问题。