一种多时相耕地影像变化图库的检索方法及系统与流程

摘要: 本发明属于图像识别的,尤其涉及一种多时相耕地影像变化图库的检索方法及系统。背景技术:1、随着农业现代化和精准农业的发展,对耕地影像数据的需求日益增加。尤其是在多...
一种多时相耕地影像变化图库的检索方法及系统与流程

本发明属于图像识别的,尤其涉及一种多时相耕地影像变化图库的检索方法及系统。

背景技术:

1、随着农业现代化和精准农业的发展,对耕地影像数据的需求日益增加。尤其是在多时相耕地监测中,农作物生长周期的变化、耕作模式的调整以及环境因素的影响等,都需要借助影像数据进行有效的分析和管理。因此,研究如何高效地检索和利用这些影像数据,成为了当前农业领域中的重要课题。

2、传统的耕地影像数据检索方法往往依赖于简单的关键词匹配或基于图像特征的相似性搜索。这些方法通常难以满足用户对检索结果的精确要求,尤其是在面对复杂的自然语言描述或结构化查询条件时,检索结果的相关性和准确性常常受到限制。

技术实现思路

1、有鉴于此,本发明实施例提供了一种多时相耕地影像变化图库的检索方法及系统,以解决传统方法在面对复杂的自然语言描述或结构化查询条件时,检索结果的相关性和准确性常常受到限制的技术问题。

2、本发明实施例的第一方面提供了一种多时相耕地影像变化图库的检索方法,所述多时相耕地影像变化图库的检索方法包括:

3、接收用户输入的检索查询数据,并匹配检索查询数据对应的范例指纹图;其中,所述检索查询数据包括自然语言描述或结构化条件,所述范例指纹图是指检索查询数据对应的范例图像;

4、获取影像变化图库中每个已存储影像数据预存的时相语义指纹图和倒排索引;

5、获取影像变化图库中每个已存储影像数据预存的时相语义指纹图和倒排索引,在影像变化图库中提取由多个已存储影像数据构成的检索结果列表。

6、进一步地,所述接收用户输入的检索查询数据,并匹配检索查询数据对应的范例指纹图的步骤包括:

7、接收用户输入的检索查询数据;

8、对所述检索查询数据进行语义解析,提取变化类型、时间范围和空间范围信息;

9、根据所述变化类型,从预设的典型变化指纹库中调取变化类型对应的标准指纹图作为范例指纹图;

10、进一步地,在所述提取影像变化图库中每个多时相耕地影像预存的时相语义指纹图和全局多尺度变化模式直方图向量的步骤之前,还包括:

11、分别获取同一地理位置经过几何配准的n张多时相耕地影像;其中,n张多时相耕地影像为n张同一地理位置不同时相的影像;

12、基于n张多时相耕地影像,为每个像素位置构建一个特征向量;其中,所述特征向量包括该像素位置在n张多时相耕地影像上所有波段的光谱值以及该像素位置的空间坐标;

13、基于所有像素位置的特征向量,采用时间感知的简单线性迭代聚类算法进行聚类,生成k个分割对象;

14、将所生成的k个分割对象作为在n张多时相耕地影像中具有稳定空间位置和语义边界的时序稳定超像素对象;

15、对每个所述时序稳定超像素对象,计算其随时间变化的六维语义向量;

16、将六维语义向量进行加权平均后,通过一组预设的随机超平面计算其投影方向的正负,将正负结果拼接为二进制哈希码;

17、将所有时序稳定超像素对象按其质心空间坐标,映射到一个预定义的二维网格矩阵中的网格单元;

18、将二进制哈希码赋值给对应的网格单元,形成一个固定尺寸的二进制矩阵,将所述二进制矩阵作为时相语义指纹图;

19、基于多尺度金字塔,构建全局多尺度变化模式直方图向量。

20、进一步地,所述对每个所述时序稳定超像素对象,计算其随时间变化的六维语义向量的步骤包括:

21、分别计算每个时序稳定超像素对象在n个多时相耕地影像中所有像素的红色、绿色和蓝色三个波段的平均光谱值,构成三维光谱均值向量;

22、采用灰度共生矩阵方法,计算每个时序稳定超像素对象在n个多时相耕地影像中对比度最大的多时相耕地影像下的图像纹理对比度值,作为一维纹理异质性指标;

23、根据每个时序稳定超像素对象的边界像素数量和面积像素数量,计算其形状的紧凑度,作为一维形状紧凑度指标;

24、计算每个时序稳定超像素对象在n个多时相耕地影像的归一化植被指数,并对归一化植被指数序列进行线性回归,取回归直线的斜率作为一维植被指数趋势指标;其中,归一化植被指数是通过识别多时相耕地影像中的植被区域,并与整个图像区域相除得到;

25、计算每个对象在n个时相的归一化水体指数,并对归一化水体指数序列进行线性回归,取回归直线的斜率作为一维水体指数趋势指标;其中,归一化水体指数是通过识别多时相耕地影像中的水体区域,并与整个图像区域相除得到;

26、计算每个时序稳定超像素对象在相邻多时相耕地影像之间的掩膜重叠程度,并用该重叠程度的统计离散度作为一维边界变化率指标;

27、将所述三维光谱均值向量、一维纹理异质性指标、一维形状紧凑度指标、一维植被指数趋势指标、一维水体指数趋势指标及一维边界变化率指标进行组合,得到该对象的六维语义向量。

28、进一步地,所述基于多尺度金字塔,构建全局多尺度变化模式直方图向量的步骤包括:

29、s1:对于多时相耕地影像序列中的每个像素位置,遍历所有n个时相,采用预训练的二分类器识别该像素位置在每个多时相耕地影像中属于耕地类别的概率,得到每个像素位置对应的长度为n的耕地概率序列;

30、s2:对于每个像素位置,基于其耕地概率序列,计算相邻多时相耕地影像之间耕地概率的绝对差值,得到n-1个变化事件值;

31、s3:将所有变化事件值归一化为概率分布后,经过信息熵处理,得到该像素位置的时相变化熵值;

32、s4:对多时相耕地影像中的所有像素位置重复执行s1至s3,得到一张单波段的熵值灰度图,并作为像素级时相变化熵图;

33、s5:对所述像素级时相变化熵图进行多尺度降采样,构建变化熵金字塔;

34、s6:获取k个语义类别各自对应的归一化熵值阈值范围;其中,所述k个语义类别包括稳定类、周期性变化类、缓慢退化类和突变类;

35、s7:匹配变化熵金字塔中每一层熵图的每个像素位置所处的归一化熵值阈值范围,得到每个像素位置相应的语义类别;

36、s8:统计每一层熵图中每个语义类别的像素占比,生成一个四维直方图向量,分别对应四个类别的比例;

37、s9:将所述变化熵金字塔中所有层的四维直方图向量进行拼接,得到一个长度为kl的全局多尺度变化模式直方图向量,并构建全局多尺度变化模式直方图向量的倒排索引;其中,所述倒排索引以语义类别、金字塔层级和归一化熵值阈值范围为键,以符合条件的图库条目标识符列表为值。

38、进一步地,所述获取影像变化图库中每个已存储影像数据预存的时相语义指纹图和倒排索引,在影像变化图库中提取检索结果列表的步骤包括:

39、获取预先计算的倒排索引;

40、将时间范围和空间范围信息转换为针对所述倒排索引的查询表达式;其中,所述查询表达式包括一个或多个对特定语义类别在对应金字塔层级上的占比阈值条件以及时间范围条件;

41、对所述倒排索引执行集合交运算,提取同时满足所有条件的图库条目标识符,构成候选影像组集合;其中,所述候选影像组集合的条目数小于图库总条目数;

42、在候选影像组集合中,基于时相语义指纹图在影像变化图库中提取检索结果列表。

43、进一步地,所述在候选影像组集合中,基于时相语义指纹图在影像变化图库中提取检索结果列表的步骤包括:

44、对于所述候选影像组集合中的每一个候选条目,获取预先计算的时相语义指纹图对应的第1层变化熵图;

45、对于每一个候选条目,将候选条目对应的时相语义指纹图与范例指纹图进行逐像素比对,计算每个像素位置的二进制汉明距离,得到一个全图汉明距离矩阵;

46、对于每一个候选条目,将其第1层变化熵图进行归一化处理,生成一个与指纹图尺寸相同的权重图;其中,该权重图中熵值高的像素对应的权重值大,熵值低的像素对应的权重值小;

47、对于每一个候选条目,将所述全图汉明距离矩阵与所述权重图进行逐像素相乘后求和,得到该候选条目的加权汉明距离;

48、基于所述加权汉明距离,映射每个候选条目与范例指纹图之间的相似度得分;

49、筛选出相似度得分高于相似度阈值的候选条目,并按照相似度得分从高到低的顺序输出最终的检索结果列表。

50、本发明实施例的第二方面提供了一种多时相耕地影像变化图库的检索装置,包括:

51、接收单元,用于接收用户输入的检索查询数据,并匹配检索查询数据对应的范例指纹图;其中,所述检索查询数据包括自然语言描述或结构化条件,所述范例指纹图是指检索查询数据对应的范例图像;

52、获取单元,用于获取影像变化图库中每个已存储影像数据预存的时相语义指纹图和倒排索引;

53、提取单元,用于获取影像变化图库中每个已存储影像数据预存的时相语义指纹图和倒排索引,在影像变化图库中提取由多个已存储影像数据构成的检索结果列表。

54、本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述多时相耕地影像变化图库的检索方法中的步骤。

55、本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述多时相耕地影像变化图库的检索方法中的步骤。

56、本发明实施例与现有技术相比存在的有益效果是:范例指纹图不仅可以通过用户输入的自然语言描述或结构化条件进行匹配,还能够为检索过程提供更为直观和灵活的参考。然而,现有技术在结合多时相影像数据进行语义分析和变化模式识别方面仍然存在不足,难以实现对影像数据的全面、准确检索。本技术通过引入范例指纹图,用户可以通过自然语言描述或结构化条件进行更为精准的检索。这种方法能够有效降低传统关键词匹配的局限性,使得用户能够更准确地找到与其需求相关的影像数据,提升了检索的准确性和高效性。