买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉理工大学

摘要：本发明涉及一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法。首先将数据集划分为训练数据集和测试数据集，接着利用多通道特征融合模块提取并融合不同通道的Gist特征，并将融合Gist特征通过多尺度扩张卷积模块，得到遥感图像的多尺度上下文信息，然后构建整体网络模型，使用训练数据集对整体网络进行训练，最后使用训练好的网络得到检索结果。本发明利用多通道特征融合模块学习多光谱遥感图像检索的多通道特征，利用多尺度扩张卷积模块学习哈希码，从而捕捉遥感图像的多尺度上下文信息，构建包含重建代价、KL散度和平衡项的目标函数，使得在哈希学习的过程中保持哈希码的平衡特性和区分度，进一步提升遥感图像检索的精度。

主权项：1.一种基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法，其特征在于，包括如下步骤：步骤1，划分训练数据集和测试数据集；步骤2，利用多通道特征融合模块提取并融合不同通道的Gist特征；步骤3，将步骤2得到的融合Gist特征通过多尺度扩张卷积模块，得到遥感图像的多尺度上下文信息；步骤4，构建整体网络模型，利用变分自编码器作为主干网络，包括推理网络和生成网络两部分；步骤5，训练整体网络模型，计算整体网络模型的目标函数，并更新整体网络模型的初始参数；假设集合表示未标记样本集，xi表示第i个样本，哈希函数的计算公式如下：b＝signhxi＝signhjxi,j＝1,2,...,k2 式中，b代表哈希码，hjxi表示从原始数据xi通过变分自编码器的推理网络得到的中间层特征向量的第j个值；将推理网络的输出hxi作为生成网络的输入部分，重构代价函数为： 式中，Lr表示重建代价；变分自编码器通过最小化KL散度保持概率分布接近标准正态分布N0,1，KL散度定义为： 式中，表示KL散度，能够在哈希学习过程中保持哈希码的区分度；μi是样本xi的均值，是样本xi的方差；定义平衡项为： 式中，Lb表示平衡项，能够在哈希学习过程中保持哈希码的平衡特性；μi是样本xi的均值；考虑重构成本、KL散度和平衡项，最终目标函数的公式表示如下： 式中，α和β表示评估项的度的超参数；步骤6，使用训练好的网络得到检索结果。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于多通道特征融合的变分自编码器平衡哈希遥感图像检索方法