文献类型：期刊文章

作　　者：葛芸[1,2] 江顺亮[1] 叶发茂[1] 许庆勇[1] 唐祎玲[1]

机构地区：[1]南昌大学信息工程学院,江西南昌330031 [2]南昌航空大学软件学院,江西南昌330063

出　　处：《武汉大学学报（信息科学版）》

基　　金：国家自然科学基金(41261091);江西省教育厅科技项目(GJJ13482);江西省自然科学基金(20151BAB207062)~~

年　　份：2018

卷　　号：43

期　　号：1

起止页码：67-73

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSCD、CSCD2017_2018、EI、GEOBASE、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：高分辨率遥感图像内容复杂,细节信息丰富,传统的浅层特征在描述这类图像上存在一定难度,容易导致检索中存在较大的语义鸿沟。本文将大规模数据集ImageNet上预训练的4种不同卷积神经网络用于遥感图像检索,首先分别提取4种网络中不同层次的输出值作为高层特征,再对高层特征进行高斯归一化,然后采用欧氏距离作为相似性度量进行检索。在UC-Merced和WHU-RS数据集上的一系列实验结果表明,4种卷积神经网络的高层特征中,以CNN-M特征的检索性能最好;与视觉词袋和全局形态纹理描述子这两种浅层特征相比,高层特征的检索平均准确率提高了15.7%~25.6%,平均归一化修改检索等级减少了17%~22.1%。因此将ImageNet上预训练的卷积神经网络用于遥感图像检索是一种有效的方法。

关 键 词：遥感图像 检索  卷积神经网路  预训练  

分 类 号：TP751]