以卷積神經網絡為基礎光學遙感圖像檢索

明洋洋

摘要：在計算機技術發展的背景下，遙感圖像數據飛速發展，在這一過程中圖像的分辨率發展的越來越快，圖像越來越清晰。光學遙感圖像的檢測是遙感數據破譯的重要技術手段，在圖像分析主要是依靠人的對其進行提取以及講述分析，存在效率低下的問題，已經與現代網絡技術時代的發展不相符合，因此，卷積神經網絡技術的發展，成為光學遙感圖像發展的重要技術支持，本文進行深度卷積圣經網絡的光學遙感圖像檢索的實驗，分析如何利用卷積神經網絡提高遙感圖像的檢索進程。

關鍵詞：卷積神經網絡;光學遙感圖像檢驗;計算機技術

在遙感圖像信息分析中，遙感圖像檢索非常重要。在遙感技術飛速發展的背景下，遙感數據以及遙感使用人群呈現多樣化發展趨勢，因此，人們對遙感技術的需求逐漸增加，遙感圖像技術的發展必須加強。在基于內容的遙感圖像檢索應用過程中，不受圖像的限制，能夠根據圖像的特點直接進行圖像分析，在一定程度上滿足了人們的需求。隨著卷積神經網絡的發展，在計算機視覺、自然語言處理、語音識別等內容中廣泛應用，而卷積神經網絡在圖像分析有效的提高了圖像的分辨率，并且還能獲得更多的圖像信息，在一定程度上，卷積神經網絡促進光學遙感圖像的發展。

一、實驗模型流程

在進行遙感圖像檢索實驗過程中，首先在卷積神經網絡模型中訓練遙感圖像數據集，其次，將遙感圖像的信息數據用過卷積神經網絡的方式進行提取分析，并將其存儲在圖像網絡信息庫當中，將實驗查詢的圖像輸入中信息庫中，與信息庫內的數據進行甄辨，以圖像的特征、類型、顏色等等因素進行分析，將相似圖簽賽選出來進行大小排序，進而得到檢索結果[1]。

（一）卷積神經網絡

卷積成的深度神經網絡模型是卷積神經網絡的代表，在1962年卷積神經網絡萌發，主要是指小塊的視覺圖像等候室有神經元控制處理的。在1984年，積神經網絡進一步發展，新概念圖像特征是通過具有成次化的網絡結構中提取出來的，也是卷積神經網絡的重要模型。1998年，卷積神經網絡在原有概念的基礎上再一次發展，權值共享的結構相比之下，更加與生物神經網絡相似，但是相比之下，權值共享結構的模式較為簡單，并且減少了一定的數值，大幅度的提高了辨圖的準確性，因此卷積神經網絡圖像處理已經被廣泛應用[2]。

（二）Dropout層

在實驗網絡設計緩解加入道層。Dropout層始發于2021年，在網絡設計中加入Dropout層就是想要達到提高網絡性能的目的，在Dropout層的加入實現一直隱含神經節點的作用實現目的。Dropout層就是通過對樣本權值的數量進行更新改變，通過操作將閾值顯現在不同時期，因此，權值就會擺脫節點的束縛，減小節點間作用的影響，以此達到提高卷積神經網絡的功能強度，同時增多模型的形式，使其具有多樣性，預防出現與系統中的其他數據基本相同的現象[3]。

（三）相似性匹配

在遙感實驗檢驗中，進行卷積神經網絡系統中的相似度匹配實驗時，可以采用特殊的試驗方法進行圖像之間雷同度的計算，“歐式距離”法，是采用對比法，將圖像的特征分別用兩個字母“X”以及“Y”表示，將圖像的特征差異數據以數軸的形式展現出來。通過卷積神經網絡中的圖片進行對比，圖像相似的進行標記，在這過程中采用Softmax分類器對相似圖像進行分析，通過以上步驟，檢索出目標圖像與卷積神經網絡數據庫中相同類別的圖像之間的歐式距離，進而完成光感遙感圖像檢索實驗。試驗完成后，將目標圖像與相似圖像按照歐式距離進行排序，并將結果記錄在冊[4]。

（四）檢索實驗結果

在實驗結束后，要對實驗的結果數據進行檢驗。在實驗過程中一定要注意細節部位，小細節的失誤可能會造成實驗數據的偏差，造成光感遙感圖像檢索實驗的失敗，在實驗結束后，進行嚴格的檢索實驗結果復核，保證實驗數據的準確性。因此，可在進行光感遙感圖像檢索實驗結果復核時，將采用兩種方式進行，“類別以及不分類”法，每種實驗方法在卷積神經網絡中選擇二十幅圖像進行檢索，檢索后的結果將以曲線圖的數據圖的形式呈現出來，可以精準的看出類別檢驗法可以得到較為準確的檢索數據，并且檢索圖像的數量與檢索的精準度成正比發展。而不分類檢驗方法的時間與類別法相比較少，它是通過圖像的基本特征進行對比實驗。分別將圖像的紋理、顏色以及BOW模型進行實驗校對，根據不同地域的出不同的結果，并將三種方法實驗的信息以數據圖的形式展現出來，通過實驗數據的對比可以看出，這種方法的精準度較高，并且數據庫中的對比圖像資料較多。但是紋理實驗中，遇到地域中的植被、水文情況等紋理特別像，那么這種實驗方法的效率較低。另外BOW模型實驗方法由于收獲信息較難，在陸地上進行時效果較差，但是在空中進行時，實驗效果具佳。

結束語：

通過實驗看出，光感遙感圖像檢索實驗現實通過卷積神經網絡對目標圖像的進行分析，在網絡系統中構建圖像信息資料庫，采用Softma分類器的方式進行檢索，采用的是卷積神經網絡模式深層次的學習圖像特征，將dyopout層引入實驗中，最后得出實驗結果。在光感遙感圖像檢索中，這種實驗方式比其他實驗更優，能夠最大下毒的提高圖像的分辨率以及精準度。

參考文獻：

[1] 邵振峰， 周維勛， 李從敏，等. 基于全卷積神經網絡的遙感圖像多標簽檢索方法及系統： CN109657082A[P]. 2019.

[2] 邵振峰， 楊珂， 李從敏，等. 基于顯著性和卷積神經網絡的遙感圖像檢索方法及系統： CN109086405A[P]. 2018.

[3] 程明， 張志遠， 王程，等. 一種基于卷積神經網絡的光學遙感圖像飛機檢測方法： CN106096655A[P]. 2016.

[4] 劉玉杰， 龐蕓萍， 李宗民，等. 融合抽象層級變換和卷積神經網絡的手繪圖像檢索方法[J]. 浙江大學學報：理學版， 2016， 43（6）：8.

[5] 劉乃迪. 基于PCNN的圖像紋理分析研究——評《脈沖耦合神經網絡圖像處理（第2版）》[J]. 機械設計， 2021， 38（3）：1.