稀疏表达理论在遥感图像检索中的新应用
需积分: 5 23 浏览量
更新于2024-08-12
收藏 602KB PDF 举报
"基于稀疏表达的遥感图像检索 (2013年),通过采用在线字典学习算法和特征稀疏表达进行遥感图像检索的新方法,提高了检索的准确性和速度。"
本文主要探讨了如何利用稀疏表达理论解决遥感图像检索中的挑战。在2013年,随着遥感数据的快速增长,如何快速、精确地从大量遥感图像数据库中检索到所需信息成为了一个关键问题。传统的基于内容的图像检索(CBIR)技术主要依赖于图像的颜色、纹理和形状等低层视觉特征,但在处理复杂和多变的遥感图像时,这些方法往往表现不足。
作者周培诚等人提出了一种新的基于稀疏表达的遥感图像检索方法。该方法首先利用在线字典学习算法对查询图像和数据库图像进行训练,构建一个过完备字典来描述图像的特征。过完备字典允许图像以稀疏的方式表示,即图像可以用少数几个字典原子的线性组合来近似,这样可以捕捉到图像的高级特征。然后,通过比较查询图像和数据库图像在字典上的特征稀疏表达的相似度来评估它们的相似性。最后,按照相似度的降序排列返回检索结果。
与传统方法相比,稀疏表达理论的优势在于它能够更好地捕捉图像的内在结构和复杂性,尤其是在处理局部不变特征如SIFT时。虽然SIFT特征具有尺度和旋转不变性,但在使用BoW模型时,仅考虑词汇频率而忽略空域信息可能降低检索精度。而稀疏表达则可以考虑更多的上下文信息,从而提高检索的准确性。
此外,文章提到了该方法与现有最新方法的对比实验,实验结果证明了这种方法的有效性。这项工作受到了国家自然科学基金和西北工业大学基础研究基金的支持,展示了稀疏表达理论在遥感图像处理和模式识别领域的潜力。该方法对于改进遥感图像检索的效率和准确性具有重要意义,特别是在处理大规模遥感影像库时。
关键词:稀疏表达、字典学习、遥感图像检索。分类号:TP391,文献标志码:A,文章编号:1000-2758(2013)06-0958-04。该研究不仅在理论层面有所贡献,而且对实际的遥感图像分析和检索应用具有指导价值。
2021-09-11 上传
2021-09-08 上传
2021-10-10 上传
2021-09-30 上传
2021-04-16 上传
2022-06-20 上传
2022-04-08 上传
点击了解资源详情
weixin_38621365
- 粉丝: 7
- 资源: 906
最新资源
- JavaScript DOM事件处理实战示例
- 全新JDK 1.8.122版本安装包下载指南
- Python实现《点燃你温暖我》爱心代码指南
- 创新后轮驱动技术的电动三轮车介绍
- GPT系列:AI算法模型发展的终极方向?
- 3dsmax批量渲染技巧与VR5插件兼容性
- 3DsMAX破碎效果插件:打造逼真碎片动画
- 掌握最简GPT模型:Andrej Karpathy带你走进AI新时代
- 深入解析XGBOOST在回归预测中的应用
- 深度解析机器学习:原理、算法与应用
- 360智脑企业内测开启,探索人工智能新场景应用
- 3dsmax墙砖地砖插件应用与特性解析
- 微软GPT-4助力大模型指令微调与性能提升
- OpenSARUrban-1200:平衡类别数据集助力算法评估
- SQLAlchemy 1.4.39 版本特性分析与应用
- 高颜值简约个人简历模版分享