以卷积神经网络为基础光学遥感图像检索

明洋洋

摘要：在计算机技术发展的背景下，遥感图像数据飞速发展，在这一过程中图像的分辨率发展的越来越快，图像越来越清晰。光学遥感图像的检测是遥感数据破译的重要技术手段，在图像分析主要是依靠人的对其进行提取以及讲述分析，存在效率低下的问题，已经与现代网络技术时代的发展不相符合，因此，卷积神经网络技术的发展，成为光学遥感图像发展的重要技术支持，本文进行深度卷积圣经网络的光学遥感图像检索的实验，分析如何利用卷积神经网络提高遥感图像的检索进程。

关键词：卷积神经网络;光学遥感图像检验;计算机技術

在遥感图像信息分析中，遥感图像检索非常重要。在遥感技术飞速发展的背景下，遥感数据以及遥感使用人群呈现多样化发展趋势，因此，人们对遥感技术的需求逐渐增加，遥感图像技术的发展必须加强。在基于内容的遥感图像检索应用过程中，不受图像的限制，能够根据图像的特点直接进行图像分析，在一定程度上满足了人们的需求。随着卷积神经网络的发展，在计算机视觉、自然语言处理、语音识别等内容中广泛应用，而卷积神经网络在图像分析有效的提高了图像的分辨率，并且还能获得更多的图像信息，在一定程度上，卷积神经网络促进光学遥感图像的发展。

一、实验模型流程

在进行遥感图像检索实验过程中，首先在卷积神经网络模型中训练遥感图像数据集，其次，将遥感图像的信息数据用过卷积神经网络的方式进行提取分析，并将其存储在图像网络信息库当中，将实验查询的图像输入中信息库中，与信息库内的数据进行甄辨，以图像的特征、类型、颜色等等因素进行分析，将相似图签赛选出来进行大小排序，进而得到检索结果[1]。

（一）卷积神经网络

卷积成的深度神经网络模型是卷积神经网络的代表，在1962年卷积神经网络萌发，主要是指小块的视觉图像等候室有神经元控制处理的。在1984年，积神经网络进一步发展，新概念图像特征是通过具有成次化的网络结构中提取出来的，也是卷积神经网络的重要模型。1998年，卷积神经网络在原有概念的基础上再一次发展，权值共享的结构相比之下，更加与生物神经网络相似，但是相比之下，权值共享结构的模式较为简单，并且减少了一定的数值，大幅度的提高了辨图的准确性，因此卷积神经网络图像处理已经被广泛应用[2]。

（二）Dropout层

在实验网络设计缓解加入道层。Dropout层始发于2021年，在网络设计中加入Dropout层就是想要达到提高网络性能的目的，在Dropout层的加入实现一直隐含神经节点的作用实现目的。Dropout层就是通过对样本权值的数量进行更新改变，通过操作将阈值显现在不同时期，因此，权值就会摆脱节点的束缚，减小节点间作用的影响，以此达到提高卷积神经网络的功能强度，同时增多模型的形式，使其具有多样性，预防出现与系统中的其他数据基本相同的现象[3]。

（三）相似性匹配

在遥感实验检验中，进行卷积神经网络系统中的相似度匹配实验时，可以采用特殊的试验方法进行图像之间雷同度的计算，“欧式距离”法，是采用对比法，将图像的特征分别用两个字母“X”以及“Y”表示，将图像的特征差异数据以数轴的形式展现出来。通过卷积神经网络中的图片进行对比，图像相似的进行标记，在这过程中采用Softmax分类器对相似图像进行分析，通过以上步骤，检索出目标图像与卷积神经网络数据库中相同类别的图像之间的欧式距离，进而完成光感遥感图像检索实验。试验完成后，将目标图像与相似图像按照欧式距离进行排序，并将结果记录在册[4]。

（四）检索实验结果

在实验结束后，要对实验的结果数据进行检验。在实验过程中一定要注意细节部位，小细节的失误可能会造成实验数据的偏差，造成光感遥感图像检索实验的失败，在实验结束后，进行严格的检索实验结果复核，保证实验数据的准确性。因此，可在进行光感遥感图像检索实验结果复核时，将采用两种方式进行，“类别以及不分类”法，每种实验方法在卷积神经网络中选择二十幅图像进行检索，检索后的结果将以曲线图的数据图的形式呈现出来，可以精准的看出类别检验法可以得到较为准确的检索数据，并且检索图像的数量与检索的精准度成正比发展。而不分类检验方法的时间与类别法相比较少，它是通过图像的基本特征进行对比实验。分别将图像的纹理、颜色以及BOW模型进行实验校对，根据不同地域的出不同的结果，并将三种方法实验的信息以数据图的形式展现出来，通过实验数据的对比可以看出，这种方法的精准度较高，并且数据库中的对比图像资料较多。但是纹理实验中，遇到地域中的植被、水文情况等纹理特别像，那么这种实验方法的效率较低。另外BOW模型实验方法由于收获信息较难，在陆地上进行时效果较差，但是在空中进行时，实验效果具佳。

结束语：

通过实验看出，光感遥感图像检索实验现实通过卷积神经网络对目标图像的进行分析，在网络系统中构建图像信息资料库，采用Softma分类器的方式进行检索，采用的是卷积神经网络模式深层次的学习图像特征，将dyopout层引入实验中，最后得出实验结果。在光感遥感图像检索中，这种实验方式比其他实验更优，能够最大下毒的提高图像的分辨率以及精准度。

参考文献：

[1] 邵振峰， 周维勋， 李从敏，等. 基于全卷积神经网络的遥感图像多标签检索方法及系统： CN109657082A[P]. 2019.

[2] 邵振峰， 杨珂， 李从敏，等. 基于显著性和卷积神经网络的遥感图像检索方法及系统： CN109086405A[P]. 2018.

[3] 程明， 张志远， 王程，等. 一种基于卷积神经网络的光学遥感图像飞机检测方法： CN106096655A[P]. 2016.

[4] 刘玉杰， 庞芸萍， 李宗民，等. 融合抽象层级变换和卷积神经网络的手绘图像检索方法[J]. 浙江大学学报：理学版， 2016， 43（6）：8.

[5] 刘乃迪. 基于PCNN的图像纹理分析研究——评《脉冲耦合神经网络图像处理（第2版）》[J]. 机械设计， 2021， 38（3）：1.