面向遥感图像检索的自适应样本类型判别研究.pdfVIP

计算机科学与探索1673-9418/2024/18(11)-2996-10

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2402031

面向遥感图像检索的自适应样本类型判别研究

+

邵徽虎，葛芸，熊俊杰，余洁洁

南昌航空大学软件学院，南昌330063

+通信作者E-mail:geyun@

摘要：遥感图像内容复杂，类别丰富，存在较多难以判别的图像，导致遥感图像检索性能不佳。为此，提出自

适应样本类型判别方法（ASTD），将样本类型动态地分为简单样本、普通样本和困难样本，网络依据样本的类

型进行不同程度的学习，从而有效提高特征的判别能力。设计了一个SHash网络，该网络以SwinTransformer

为骨干，在网络的最后加上哈希层，该网络能够在全局上捕获图像的语义信息，提高特征的表达能力和检索效

率；为了让同一类别图像更加聚集，并更好地区分不同类别的图像，给每个类别定义一个哈希中心，规定输入样

本自身类别所对应的中心为该样本的正中心，其他中心为该样本的负中心；提出样本类型判别损失STDLoss，根

据样本与正负中心的距离关系自适应判别样本的类型，从而提高网络对各类型样本的学习能力。在UC-Merced

和AID两个遥感数据集上与DSH、CSQ、SHC等五种哈希方法进行了比较，实验结果表明，基于ASTD方法训

练的网络可以更好地学习样本的特征，提高检索性能。

关键词：遥感图像检索；样本类型；SwinTransformer；哈希；自适应判别

文献标志码：A中图分类号：TP751

ResearchonAdaptiveSampleTypeDiscriminationforRemoteSensingImage

Retrieval

+

SHAOHuihu,GEYun,XIONGJunjie,YUJiejie

SchoolofSoftware,NanchangHangkongUniversity,Nanchang330063,China

Abstract:Remotesensingimagesarecomplexincontentandrichincategories,andtherearenumerousimagesdif-

ficultindiscrimination,resultinginpoorperformanceofremotesensingimageretrieval.Forthisreason,theadap-

tivesampletypediscrimination(ASTD)methodisproposed,whichdynamicallycategorizesthesampletypesinto

simplesamples,ordinarysamplesanddifficultsamples,andthenetworkperformsdifferentdegreesoflearning

basedonthetypesofsamples,soastoeffectivelyimprovethediscriminativeabilityoffeatures.Firstly,anSHash

networkisdesigned,whichtakesSwinTransformerasthebackboneandaddsahashlayerattheendofthenetwork.

Thisnetworkcapturesthesemanticinformationofimagesglobally,improvingfeaturerepresentatio