A co-occurrence region based Bayesian network stepwise remote sensing image retrieval algorithm
Coocurrencia de región basada en una red bayesiana gradual hacia un algoritmo de recuperación de imágenes por teledetección
A pesar de que muchos investigadores han realizado numerosos trabajos sobre la consulta de imágenes mediante ejemplo y han obtenido grandes logros, poco se ha avanzado en la recuperación de imágenes por teledetección. Tanto la teoría como la aplicación de los sistemas son inmaduros. Ya que las imágenes por teledetección se caracterizan por un gran volumen de información, amplia cobertura, temas difusos y semántica abundante, los resultados de las investigaciones en imágenes naturales e imágenes médicas estos no pueden ser usados directamente en la recuperación de imágenes por teledetección. Incluso en una consulta perfecta de imágenes mediante ejemplo, los sistemas tienen muchas dificultades con la organización de información, almacenamiento y manejo, descripción de características y extracción, medición de similitudes, retroalimentación relevante, modo de servicio de red y diseño e implementación del sistema estructural. Este artículo propone un algoritmo de recuperación de imágenes por teledetección que combina la coocurrencia local de una red bayesiana de recuperación de imagénes con el promedio de potencia de la señal de alta frecuencia. Por las redes bayesianas, se establecen las relaciones de correspondencia entre imágenes y semántica, además de permitir la recuperación de imágenes de teledetección a través de la semántica. Mientras tanto, se desarrolló el módulo de región integrada para la recuperación repetitiva, lo que mejora efectivamente la precisión de la recuperación semántica.
1. INTRODUCCIÓN
Los estudios sobre la recuperación de imágenes naturales y medianas han logrado resultados notables. Mientras tanto, ha habido numerosos proyectos de investigación diseñados específicamente para la recuperación de imágenes de teledetección. Sin embargo, tanto los sistemas teóricos como los de aplicación son inmaduros y deben seguir siendo investigados (Samadzadegan et al., 2012; Hejazi et al., 2017). Por ejemplo, el sistema KIM desarrollado por el DLR explora las características semánticas implícitas de las imágenes mediante redes bayesianas. La Universidad Tecnológica de Nanyang investiga a fondo la descripción y extracción de características de los multisensores (RS), la tecnología de indexación multidimensional y el diseño de la estructura del sistema (Mountrakis, 2012). El estudio compara los sistemas de recuperación de imágenes existentes y se centra en el almacenamiento de imágenes, el modelo de transmisión en red, la extracción y descripción de características, el algoritmo de segmentación, la segmentación razonable, la medición de la similitud y la retroalimentación de relevancia. Los resultados muestran que los estudios sobre recuperación de imágenes por teledetección tienen algunas deficiencias, que se manifiestan principalmente como sigue (1) Aunque los estudios sobre la recuperación de imágenes basada en el contenido han logrado resultados brillantes, se centran principalmente en imágenes naturales y médicas.
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:1582 kb