# 遥感图像检索调研

> 发布于：2024-07-21 | 分类：人工智能, 笔记 | 原文：https://www.imbailey.cn/post/remote-sensing-image-retrieval-survey

## 遥感图像检索的形式
遥感图像检索最常见的形式是给定一张query image，去遥感数据库里查询跟它最相近的图像。研究最多的是这种。
除此之外，还有画草图检索，或者用SAR（一种雷达）、文本、音频来检索的，这种叫跨模态检索。
还有从地面照片来检索遥感图像的，属于不同视角的检索。

![](https://myblog-1257298572.cos.ap-shanghai.myqcloud.com//img1721613334725-d32cd036-052b-4869-a825-162fe21d0e48.png)

## 深度学习在遥感图像检索中的地位
早期的检测方法依赖元数据（图像分辨率、地理坐标、传感器类型和图像采集时间等），这种检索方式是不考虑图像内容的。后来诞生了机器学习方法，可以用简单的特征（即光谱、颜色、纹理）作为检索依据，它能够考虑到图像的内容，但是特征级别很低，不具有高级语义信息。所以，为了提取更高级别的语义特征，基于深度学习的方法成为主流，被广泛认可，该领域也是个研究热点。
## 遥感图像检索的步骤
主要分为两个步骤：1）特征提取。2）相似度度量。
许多特征提取方法提取到的特征虽然很好，但是维度很高，计算欧几里得距离非常耗时，不利于大规模数据检索，所以要对相似度度量方法做改进。目前，深度哈希几乎是唯一的解决思路。深度哈希是一种度量学习（metric learning）方法，它能够将特征转换成hash code，使用汉明距离计算相似度，这样速度就大大提高了。
## 同样都有特征提取，分类/分割任务和检索任务在特征提取上有何不同之处？
分类/分割任务的特征提取只作用于单个图像，而检索任务则需要关注不同尺度、不同模态、不同标签的特征，所以在网络结构、训练方法上都大不相同。因此研究遥感图像检索任务，可玩性更高。
## 参考文献
> Remote Sensing Image Retrieval in the Past Decade: Achievements, Challenges, and Future Directions
>
> IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, VOL. 16, 2023 （2区）
>
> Weixun Zhou et al., Nanjing University of Information Science and Technology