基于卷积神经网络和改进模糊C均值的遥感图像检索

基于内容的遥感图像检索存在着低层视觉特征与用户对图像理解的高层语义不一致、图像检索精度低以及单一的距离度量方法不能完全真实反映图像之间相似程度等问题。对此提出一种基于改进的模糊C均值聚类和卷积神经网络的遥感图像检索方法。该方法充分利用遥感图像的特性, 通过Retinex算法自适应处理遥感图像噪声, 运用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习, 提取遥感图像特征, 并运用改进的模糊C均值进行特征聚类分析。同时, 将快速排序算法与距离位置权重相结合的Top-k排序算法运用到实验当中, 提高遥感图像的检索精度。实验表明, 该方法可以显著提高遥感图像的检索性能。