通过混合方法论优化远程传感图像检索
Sujata Alegavi1, Raghvendra Sedamkar2
1Internet of Things Department, Thakur College of Engineering and Technology, Mumbai 400101, Maharashtra, India.
Journal of imaging
|June 25, 2025
概括
本研究引入了一种混合方法,用于增强遥感图像检索,提高分类准确性和相似性测量. 这种新系统平均准确率为86.66%,超过了传统方法.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 从大型数据库中获取高分辨率遥感图像是具有挑战性的,因为数据量和复杂性.
- 当前的人工智能技术和压缩算法限制了基于语义的图像检索和特定目标的数据访问.
- 图像采集中的缩放和旋转变化进一步使准确的数据检索复杂化.
研究的目的:
- 提出一种创新的混合方法,以提高远程传感图像的检索.
- 提高远程传感图像检索系统的分类准确性,相似度测量和计算效率.
- 解决基于语义的检索和数据压缩挑战的局限性.
主要方法:
- 一个混合系统,结合了多层分类和多尺度特征提取.
- 积极学习使用多尺度多环平均转移与破解关系 (MSMA-MSBT) 算法进行样本选择.
- 修改深度图像注册使用动态内置 (IRDI) 进行图像注册,并通过MSMA-CLBP和混合CNN结构进行特征提取.
- 低级和高级特征与软值和基于地区的相似性测量的融合.
主要成果:
- 拟议的方法在高分辨率遥感数据集上实现了平均86.66%的准确性.
- 与传统算法相比,在分类准确性和相似性测量方面表现出卓越的性能.
- 与最先进的方法相比,它在计算效率方面取得了显著的改善.
结论:
- 开发的混合检索系统有效地提高了远程传感图像的检索.
- 多尺度功能,高级注册和混合分类的结合显著提高了检索性能.
- 该方法为管理和利用大量高分辨率遥感数据提供了强大的解决方案.
