用于遥感图像基于内容检索的视觉描述子
计算机视觉与模式识别
2017-08-09 v5
摘要
在本文中，我们提出对用于遥感(RS)图像基于内容检索的视觉描述子的一项广泛评估。该评估包含全局手工设计、局部手工设计以及卷积神经网络(CNNs)特征，并结合四种不同的基于内容的图像检索(CBIR)方案。我们在两个公开可用数据集上进行了所有实验：21类UC Merced土地利用/土地覆盖(LandUse)数据集和19类高分辨率卫星场景(SceneSat)数据集。RS图像的内容可能非常异构，从包含细粒度纹理的图像，到粗粒度图像或包含物体的图像。因此在该领域中，应采用哪种描述子来描述具有如此可变性的图像并不明显。结果表明，无论采用何种检索方案，基于CNN的特征均优于全局和局部手工设计特征。从SatResNet-50(一个在RS领域适当微调的残差CNN)提取的特征，表现出比在多媒体场景和物体图像上预训练的残差CNN好得多的性能。从NetVLAD(一种同时考虑CNN和局部特征的CNN)提取的特征，在那些包含细粒度纹理和物体的图像上优于其他CNN方案。
引用
@article{arxiv.1602.00970,
title = {Visual descriptors for content-based retrieval of remote sensing images},
author = {Paolo Napoletano},
journal= {arXiv preprint arXiv:1602.00970},
year = {2017}
}