楊志剛，沈盛彧，張平倉，張 彤，吳華意

（1.廣東省國土資源測(cè)繪院，廣東 廣州 515000；2.長江科學(xué)院 水土保持研究所，湖北 武漢 430010；3.武漢大學(xué) 測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079）

基于主題模型的高分影像人工地物在線檢索

楊志剛1，沈盛彧2，張平倉2，張 彤3，吳華意3

（1.廣東省國土資源測(cè)繪院，廣東 廣州 515000；2.長江科學(xué)院 水土保持研究所，湖北 武漢 430010；3.武漢大學(xué) 測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079）

傳統(tǒng)遙感影像檢索系統(tǒng)主要是基于遙感影像的元數(shù)據(jù)、底層視覺特征或語義標(biāo)注來實(shí)現(xiàn)檢索功能，面對(duì)海量的高分辨率遙感影像時(shí)，會(huì)因?yàn)橛?jì)算量大或人力標(biāo)注工作量大而無法兼顧時(shí)效性和準(zhǔn)確性。提出了基于高性能云計(jì)算的海量高分辨率遙感影像的存儲(chǔ)組織、底層視覺特征提取和基于主題模型的遙感影像及人工地物檢索總體框架，并進(jìn)一步實(shí)現(xiàn)了原型系統(tǒng)，為高分辨率遙感影像中人工地物在線檢索研究進(jìn)行了有益嘗試。

高分辨率遙感影像；高性能云計(jì)算；主題模型；滑動(dòng)窗口

分析遙感數(shù)據(jù)的特點(diǎn)和遙感數(shù)據(jù)的應(yīng)用現(xiàn)狀，可以總結(jié)出遙感數(shù)據(jù)利用率低下的2個(gè)重要原因：①對(duì)海量遙感數(shù)據(jù)的信息提取不足；②對(duì)海量遙感數(shù)據(jù)的檢索能力不足。雖然研究者們也一直嘗試從各種角度為海量遙感影像的處理、管理與檢索提出獨(dú)到的解決方案[1-7]，但這些傳統(tǒng)遙感影像檢索系統(tǒng)[8,9]主要是基于遙感影像的元數(shù)據(jù)、底層視覺特征或語義標(biāo)注來實(shí)現(xiàn)檢索功能，面對(duì)海量的高分辨率遙感影像時(shí)，會(huì)因?yàn)橛?jì)算量大或人力標(biāo)注工作量大而影響結(jié)果。

本文借鑒信息檢索和計(jì)算機(jī)視覺理論與技術(shù)，提出了基于高性能云計(jì)算的海量高分辨率遙感影像的存儲(chǔ)組織、底層視覺特征提取和基于主題模型的遙感影像及人工地物檢索總體框架，進(jìn)一步實(shí)現(xiàn)了原型系統(tǒng)，為高分辨率遙感影像庫中人工地物在線檢索研究進(jìn)行了有益嘗試。

1 高分辨率遙感影像庫中人工地物在線檢索框架

為了實(shí)現(xiàn)高分辨率遙感影像庫中人工地物在線檢索，本文設(shè)計(jì)了一種高分辨率遙感影像人工地物檢索框架。本框架主要由高性能云計(jì)算平臺(tái)和B/S客戶端2個(gè)部分組成，如圖1所示。高性能計(jì)算平臺(tái)主要負(fù)責(zé)海量高分辨率遙感影像的存儲(chǔ)、底層視覺特征的提取及基于主題模型檢索庫的組織與存儲(chǔ)。B/S客戶端負(fù)責(zé)提供友好的用戶交互界面，方便用戶進(jìn)行高分辨率遙感影像中人工地物的檢索操作。其中基于高性能云計(jì)算的海量遙感影像處理與主題模型應(yīng)用是重點(diǎn)。

圖1 高分辨率遙感影像庫中人工地物在線檢索框架

圖2 海量遙感影像處理流程

2 基于高性能云計(jì)算的海量遙感影像處理

高性能云計(jì)算平臺(tái)中的海量遙感影像處理流程如圖2所示。通過使用文獻(xiàn)[10]提出的基于MapReduce框架的預(yù)處理方法，海量高分辨率遙感影像集合以規(guī)則網(wǎng)格方式切分后被高效并行地合并成小影像集大文件，再保存在分布式文件數(shù)據(jù)庫中。本平臺(tái)以此小影像集大文件為原始數(shù)據(jù)，采用文獻(xiàn)[11]所提出的高效并行的高分辨率遙感影像底層視覺特征提取方法對(duì)所有小影像進(jìn)行底層視覺特征提取，生成海量底層視覺特征庫。再通過對(duì)海量底層視覺特征進(jìn)行聚類分析，生成有限數(shù)量的可描述海量小影像的視覺詞項(xiàng)，然后采用Bag of Visual Words模型將所有小影像分別表示為視覺詞項(xiàng)的序列，由此得到海量高分辨率遙感影像集合的視覺詞項(xiàng)——小影像共現(xiàn)矩陣，作為高分辨率遙感影像中人工地物的檢索基礎(chǔ)[10,11]。

3 基于主題模型和滑動(dòng)窗口的人工地物檢索

本檢索采用的是先粗略后具體的方式。檢索中，先通過建立的主題模型檢索出包含指定人工地物的遙感影像候選集，再通過滑動(dòng)窗口識(shí)別出目標(biāo)人工地物，獲得檢索最終結(jié)果。

3.1 基于主題模型的遙感影像檢索

遙感影像檢索的數(shù)據(jù)基礎(chǔ)是檢索模型，或稱檢索庫?；谥黝}模型的高分辨率遙感影像檢索模型是根據(jù)海量高分辨率遙感影像集合的視覺詞項(xiàng)——小影像共現(xiàn)矩陣進(jìn)行主題模型訓(xùn)練生成，檢索流程如圖3所示。其中預(yù)處理部分已在前一節(jié)基于高性能云計(jì)算完成；主題分析則采用主題模型對(duì)預(yù)處理后的遙感影像集進(jìn)行潛在語義分析，建立概率檢索模型；最后，根據(jù)視覺詞—遙感影像之間的潛在語義聯(lián)系，對(duì)用戶需要檢索的圖像進(jìn)行相似性計(jì)算，實(shí)現(xiàn)高分辨率遙感影像檢索結(jié)果排序與顯示。詳細(xì)內(nèi)容請(qǐng)參見文獻(xiàn)[12]。

圖3 基于主題模型的高分辨率遙感影像檢索流程

3.2 基于滑動(dòng)窗口的人工地物識(shí)別

前一節(jié)的高分辨率遙感影像檢索已經(jīng)獲得了與查詢遙感影像具有相似主題的遙感影像集。由于相似性，這些遙感影像中也包括了與查詢遙感影像相似的人工地物。直接基于原始像素進(jìn)行滑動(dòng)窗口的人工地物識(shí)別，其計(jì)算成本很高，可能導(dǎo)致無識(shí)別結(jié)果。為了解決模糊性識(shí)別，同時(shí)還要適當(dāng)降低計(jì)算量以提高在線處理效率，采用降采樣的遙感影像和梯度約束來進(jìn)行人工地物識(shí)別，基本處理流程如圖4所示。

圖4 基于滑動(dòng)窗口的人工地物識(shí)別基本流程

1）降采樣：通過設(shè)定尺度系數(shù)，對(duì)人工地物影像和目標(biāo)遙感影像同時(shí)進(jìn)行降采樣。

2）差異指數(shù)計(jì)算：從降采樣的目標(biāo)遙感影像的左上角開始，將人工地物樣本降采樣窗口進(jìn)行“Z”字型滑動(dòng)，每次移動(dòng)一個(gè)超像素來遍歷全圖。同時(shí)，計(jì)算每次移動(dòng)時(shí)窗口與目標(biāo)遙感影像局部的像素灰度差值，并求和平均到每個(gè)像素就得到該區(qū)域的差異指數(shù)，最終可以獲得整幅圖的差異指數(shù)矩陣。

3）梯度約束選?。簩?duì)獲得的差異指數(shù)矩陣進(jìn)行極小值計(jì)算，并將此極小值一定二維鄰域內(nèi)的其他差異指數(shù)排除極小值候選區(qū)。根據(jù)差異指數(shù)閾值和差異指數(shù)比例系數(shù)，循環(huán)此過程，即可得出相似人工地物的候選區(qū)。因?yàn)閮H用極小值來選擇準(zhǔn)確性較低，所以本文還采用了梯度統(tǒng)計(jì)的方法進(jìn)行約束。通過將候選區(qū)在X、Y 兩個(gè)方向上梯度數(shù)量的比值與人工地物樣本進(jìn)行比較，對(duì)不符合要求的候選區(qū)進(jìn)行排除。

4）人工地物標(biāo)識(shí)：根據(jù)最終各個(gè)候選區(qū)域的坐標(biāo)范圍，將識(shí)別出的人工地物以矩形框的形式在原始遙感影像上標(biāo)識(shí)出來。

4 原型系統(tǒng)實(shí)現(xiàn)

4.1 平臺(tái)環(huán)境

虛擬集群：在4臺(tái)物理機(jī)器上每臺(tái)虛擬出4臺(tái)機(jī)器，組成共16個(gè)節(jié)點(diǎn)的Hadoop集群。其中包括1臺(tái)Master和15臺(tái)Slave，HDFS系統(tǒng)數(shù)據(jù)備份設(shè)置為3，MapReduce內(nèi)存設(shè)置為2 046 MB，每臺(tái)虛擬機(jī)可支持2個(gè)Map操作。

本原型系統(tǒng)中提取的海量高分辨率遙感影像底層視覺特征為MSER和Harris-Affine特征區(qū)域，使用SIFT128維特征向量描述。

4.2 系統(tǒng)功能

本原型系統(tǒng)的B/S客戶端由Web服務(wù)器發(fā)布，后臺(tái)數(shù)據(jù)來自于高性能云計(jì)算提供的基于Latent Dirichlet Allocation（LDA）的檢索模型和海量高分辨率遙感影像庫，前臺(tái)通過Internet為用戶提供高分辨率遙感影像的主題瀏覽、影像檢索、地物檢索和詳細(xì)定位等操作，如圖5所示。

本客戶端首先將基于LDA的檢索模型中代表訓(xùn)練出的各主題的典型小影像展現(xiàn)在用戶面前，然后由用戶根據(jù)自己的興趣任意點(diǎn)擊選擇小影像，進(jìn)行基于概率主題模型的遙感影像檢索，獲得與小影像相似的檢索排序結(jié)果。因?yàn)樾∮跋裰邪兄黝}特征的人工地物對(duì)象，所以用戶可以根據(jù)已檢索的結(jié)果，拉框選擇自己感興趣的人工地物，本系統(tǒng)會(huì)進(jìn)一步將已查詢出的遙感影像中的人工地物檢索并標(biāo)識(shí)出來。

根據(jù)遙感影像或人工地物所在的遙感影像檢索結(jié)果的元數(shù)據(jù)（如文件名、經(jīng)度和緯度等），本系統(tǒng)還可以提供展示其原始大幅面高分辨率遙感影像和其元信息的功能和根據(jù)經(jīng)緯度在網(wǎng)絡(luò)地圖控件中進(jìn)行地理標(biāo)識(shí)的功能。

圖5 B/S客戶端功能結(jié)構(gòu)圖

4.3 原型系統(tǒng)界面

對(duì)應(yīng)于本原型系統(tǒng)的4項(xiàng)功能，B/S客戶端的主要功能界面如圖6～9所示。

圖6 客戶端的檢索初始界面

圖7 遙感影像檢索效果

圖8 人工地物檢索效果

圖9 遙感影像定位查看效果

5 結(jié) 語

本文總結(jié)了遙感數(shù)據(jù)利用率低下的主要原因，通過借鑒信息檢索和計(jì)算機(jī)視覺理論與技術(shù)，提出了利用高性能云計(jì)算對(duì)海量高分辨率遙感影像進(jìn)行存儲(chǔ)組織和底層視覺特征提取，再運(yùn)用主題模型分析遙感影像建立檢索模型，基于滑動(dòng)窗口實(shí)現(xiàn)人工地物的檢索。相對(duì)傳統(tǒng)方法，本方法應(yīng)對(duì)高分辨率遙感影像海量性的能力有所提高，并能在一定程度上兼顧遙感影像處理和檢索的時(shí)效性、準(zhǔn)確性，探索了一條高分辨率遙感影像庫中人工地物在線檢索研究的新思路。但本原型系統(tǒng)所處理的數(shù)據(jù)量不到100 G，圖幅數(shù)量也未超過100萬幅，還未能充分實(shí)現(xiàn)海量數(shù)據(jù)量級(jí)，下一步研究將結(jié)合更多信息處理、數(shù)據(jù)挖掘等技術(shù)和更大數(shù)據(jù)量級(jí)展開。

[1] 朱先強(qiáng). 融合視覺顯著特征的遙感圖像檢索研究[D]. 武漢:武漢大學(xué), 2011

[2] 李小文. 定量遙感的發(fā)展與創(chuàng)新[J]. 河南大學(xué)學(xué)報(bào):自然科學(xué)版, 2005, 35(4): 49-56

[3] Datcu M, Seidel K, Walessa M. Spatial Information Retrieval from Remote Sensing Images Part I: Information Theoretical Perspective [J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(5):1 431-1 445

[4] Sheikholeslami G, Zhang A D, Bian L. A Multi-resolution Content-based Retrieval Approach for Geographic Images [J].Geoinformatica, 1999, 3(2):109-139

[5] 程起敏. 基于內(nèi)容的遙感影像庫檢索關(guān)鍵技術(shù)研究[D]. 北京:中國科學(xué)院遙感應(yīng)用研究所, 2004

[6] 寧曉剛. 基于內(nèi)容遙感圖像檢索的數(shù)據(jù)組織、特征提取和索引機(jī)制[D]. 武漢: 武漢大學(xué), 2006

[7] 張男. 基于內(nèi)容的光學(xué)遙感圖像檢索關(guān)鍵技術(shù)研究[D]. 長沙:國防科學(xué)技術(shù)大學(xué), 2008

[8] Shyu C R, Klaric M, Scott G J, et al. GeoIRIS: GeospatialInformation Retrieval and Indexing System-Content Mining, Semantics Modeling, and Complex Queries [J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(4):839-852

[9] Molinier M, Laaksonen J, Hame T. Detecting Man-made Structures and Changes in Satellite Imagery With a Contentbased Information Retrieval System Built on Self-organizing Maps [J]. IEEE Transactions on Geoscience and Remote Sensing, 2007,45(4):861-874

[10] 沈盛彧, 劉哲, 張平倉, 等. 一種適用于云計(jì)算可擴(kuò)展高分辨率遙感影像存儲(chǔ)組織結(jié)構(gòu)[J].長江科學(xué)院院報(bào),2014, 31(12):107-112

[11] 沈盛彧, 劉哲, 張平倉, 等. 基于MapReduce的高分辨率遙感影像特征提取方法[J]. 長江科學(xué)院院報(bào),2014,31(2) :91-96

[12] 沈盛彧, 劉哲, 張平倉, 等. 一種基于LDA的高分辨率遙感影像檢索方法[J].長江科學(xué)院院報(bào),2014,31(8) :98-102

P237.3

B

1672-4623（2015）04-0052-03

10.3969/j.issn.1672-4623.2015.04.019

楊志剛,工程師,主要從事遙感影像處理及應(yīng)用工作。

2015-03-03。

項(xiàng)目來源：國家自然科學(xué)基金資助項(xiàng)目（41271400）；國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目（2012CB719906）；中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)資助項(xiàng)目（CKSF2014024/TB）。