(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210992027.8 (22)申请日 2022.08.18 (71)申请人 北京数慧时空信息技 术有限公司 地址 100070 北京市丰台区海鹰路1号院1 号楼二层201 (72)发明人 陈宇　彭哲　邹圣兵　 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/51(2019.01) G06F 16/55(2019.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 基于内容理解的遥感影 像统筹推荐方法 (57)摘要 本发明公开了一种基于内容理解的遥感影 像统筹推荐方法， 该方法包括以下步骤： S1.获取 查询条件和第一影像集； S2.获取第一影像集的 深度特征； S3.获取第一影像集的局部特征； S4. 获取第一影像集的融合特征； S5.获取第一影像 集中每张影像间的融合特征相似度； S6.从第一 影像集中选取初始影像， 并确定优选指标， 优选 指标包括特征相似度和有效覆盖率； S7.将初始 影像作为根节 点， 根据优选指标从根节点出发进 行多次分裂扩展， 得到完整的分裂搜索树， 基于 分裂搜索树得到第二影像集； S8.对用户推荐第 二影像集。 该方法通过将影像集的融合特征相似 度和影像的有效覆盖率作为优选指标， 进行分裂 树搜索， 能够快速获取推荐影 像集。 权利要求书2页 说明书10页 附图2页 CN 115248876 A 2022.10.28 CN 115248876 A 1.基于内容理解的遥感影 像统筹推荐方法， 其特 征在于， 包括如下步骤： S1 获取查询条件， 基于查询条件从影像库中获取第一影像集， 查询条件包括目标区 域； S2 使用预训练的自编码器的编码器部分对第一影像集中的每张影像进行特征提取， 得到第一影 像集的深度特 征； S3 使用局部特征提取方法对第一影像集中的每张影像进行特征提取， 得到第一影像 集的局部特 征； S4 对第一影像集中每张影像的深度特征和局部特征一一进行特征融合， 得到第一影 像集的融合特 征； S5 对第一影 像集的融合特 征两两进行相似度计算， 得到第一影 像集的特 征相似度； S6 从第一影像集中选取质量最高的影像， 得到初始影像， 并确定优选指标， 优选指标 包括特征相似度和有效覆盖率， 所述有效覆盖率基于目标区域获得； S7 将初始影像作为根节点， 根据优选指标从根节点出发进行多次分裂扩展， 得到完整 的分裂搜索树， 基于 分裂搜索树得到第二影像集， 其中， 每次分裂扩展 得到当前节点的两个 子节点， 所述分裂搜索树的每 个节点均从第一影 像集中获得； S8 对用户推荐第二影 像集。 2.根据权利要求1所述的基于内容理解的遥感影像统筹推荐方法， 其特征在于， 步骤 S7， 包括： S71 将初始影 像设置为分裂搜索树的根节点， 将根节点设置为当前节点； S72 从当前节点出发， 判断当前节点是否被扩展过， 若是， 则执行步骤S73， 若否， 则执 行步骤S74； S73 从根节点开始， 根据优选指标赋予其子节点权值， 以其子节点的权值生成概率， 根 据概率随机选择子节点， 直到未扩展过的子节点， 将该子节点设置为当前节点； S74 对当前节点进行分裂扩展， 得到当前节点的第一子节点和第二子节点， 其中， 第一 子节点为优选指标最优的影 像， 第二子节点 为与当前路径的特 征相似度最低的影 像； S75 根据优选指标将权值赋予第一子节点和第二子节点； S76 分别判断第一子节点从属路径上的影像组和第二子节点从属路径上的影像组是 否完全覆盖目标区域， 若 是， 则认为该路径到达终点， 停止该路径的搜索并执行步骤S77， 若 否， 则执行步骤S72； S77 判断到达终点的路径的数量是否达到预设阈值， 若是， 则执行步骤S78， 若否， 则执 行步骤S73； S78 从到达终点的路径中选取具有最大权值和的路径， 选取该路径上的影像组， 得到 第二影像集。 3.根据权利要求2所述的基于 内容理解的遥感影像统筹推荐方法， 其特征在于， 根据优 选指标赋予子节点权值的方法为： 其中， w为子节点权值， S为子节点与当前路径的特征相似度， C为子节点的有效覆盖率， 和 为预设参数， 所述有效覆盖率为该子节点影像对目标区域的覆盖区域中除去其与当权　利　要　求　书 1/2 页 2 CN 115248876 A 2前路径影 像对目标区域的覆盖区域的交集区域的区域占该子节点影 像的面积的比例。 4.根据权利要求3所述的基于 内容理解的遥感影像统筹推荐方法， 其特征在于： 当当前 路径包括多个节点时， 赋予当前路径中每个节点基于与子节点的距离生成的权重， 基于子 节点与当前路径中每 个节点的特 征相似度的加权和得到 子节点与当前路径的特 征相似度： 其中， 为衰减项， d为子节点与 其父节点间的距离， 当前路径中每个节点均为子 节点的父节点， d=0时表示该父节点为子节点的直接父节点， 与子节点直接相连， 为权 重， sd为子节点影 像与其距离d的父节点影 像的特征相似度， N 为子节点的深度。 5.根据权利要求1所述的基于内容理解的遥感影像统筹推荐方法， 其特征在于， 步骤 S4， 包括： 对第一影像集中每张影像的深度特征和局部特征一一进行相关性分析， 得到每张影像 的独立深度特 征、 独立局部特 征和相关特 征； 对每张影像的独立深度特征、 独立局部特征和相关特征进行特征融合， 得到第一影像 集的融合特 征。 6.根据权利要求5所述的基于 内容理解的遥感影像统筹推荐方法， 其特征在于， 所述对 第一影像集中每张影 像的深度特 征和局部特征一一进行相关性分析， 包括： 由第一影像集中每张影像的深度特征和局部特征的特征向量组成每张影像的第一特 征矩阵和第二特 征矩阵； 分别对第一特征矩阵和第 二特征矩阵进行方差计算， 得到第 一方差矩阵和第 二方差矩 阵； 对第一特 征矩阵和第二特 征矩阵进行协方差计算， 得到协方差矩阵； 由第一方差矩阵和协方差矩阵构成第一基， 由第二方差矩阵和协方差矩阵构成第二 基； 根据第一基得到每张影像的独立深度 特征和每张影像的相关特征， 根据第 二基得到每 张影像的独立局部特 征。 7.根据权利要求1所述的基于内容理解的遥感影像统筹推荐方法， 其特征在于， 步骤S3 中， 所述局部特征提取方法为主成分分析特征提取、 灰度共生矩阵特征提取、 laws纹理 能量 特征提取、 小 波特征提取、 SURF 特征提取、 LBP特 征提取、 SIFT特 征提取中的至少一种。 8.根据权利要求1所述的基于内容理解的遥感影像统筹推荐方法， 其特征在于， 步骤S2 中， 所述自编 码器为卷积自编码器， 其编码 器部分为三层卷积神经网络结构， 第一层卷积核 数目为16， 卷积核 大小为3×3， 步长为1； 第二层卷积核 数目为8， 卷积核大小为3 ×3， 步长为 1； 第三层卷积核数目为8， 卷积核大小为3 ×3， 步长为1； 每层卷积层后连接一个2 ×2的最大 池化层。权　利　要　求　书 2/2 页 3 CN 115248876 A 3