第４８卷第２期２０２３年２月测绘科学ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．４８Ｎｏ．２Ｆｅｂ．２０２３作者简介：叶发茂（１９７８—），男，江西抚州人，副教授，主要研究方向为遥感图像处理、计算机图形学、机器学习。Ｅ－ｍａｉｌ：ｙｅｆａｍａｏ＠ｅｃｕｔ．ｅｄｕ．ｃｎ收稿日期：２０２２－０９－０８基金项目：国家自然科学基金项目（４１２６１０９１，４１８０１２８８）；江西省自然科学基金项目（２０２０２ＢＡＢＬ２０２０３０）；自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金项目（ＭＥＭＩ－２０２１－２０２２－２２）通信作者：陈淑秀硕士研究生Ｅ－ｍａｉｌ：１２８５０２６７８９＠ｑｑ．ｃｏｍ引文格式：叶发茂，陈淑秀，孟祥龙．基于回归ＣＮＮ特征融合的遥感图像检索方法［Ｊ］．测绘科学，２０２３，４８（２）：１６８－１７６．（ＹＥＦａｍａｏ，ＣＨＥＮＳｈｕｘｉｕ，ＭＥＮＧＸｉａｎｇｌｏｎｇ．ＲｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｂａｓｅｄｏｎｒｅｇｒｅｓｓｉｏｎＣＮＮｆｅａｔｕｒｅｆｕｓｉｏｎ［Ｊ］．ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，４８（２）：１６８－１７６．）ＤＯＩ：１０．１６２５１／ｊ．ｃｎｋｉ．１００９－２３０７．２０２３．０２．０２１．基于回归ＣＮＮ特征融合的遥感图像检索方法叶发茂１，２，陈淑秀１，孟祥龙１（１．东华理工大学测绘工程学院，南昌３３００００；２．自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，南昌３３００００）摘要：针对单一图像特征不能够全面反映图像信息，导致不同图像检索性能差异性较大的问题，该文提出了一种基于回归卷积神经网络（ＣＮＮ）自适应融合多特征的遥感图像检索方法。该方法利用回归ＣＮＮ模型对各特征的初始检索结果进行评价和估计权重，然后根据权重融合特征，以弥补单一特征对于图像描述能力的不足，提升检索精度。此外还利用图像到查询类的距离来进一步提高检索性能。在ＵＣＭＤ和ＰａｔｔｅｒｎＮｅｔ两个公开遥感检索数据集上进行了算法的测试和验证，ｍＡＰ较其他方法分别提升了２．１３％和１．３２％。结果表明，该方法能够提高遥感图像检索的性能。关键词：遥感图像检索；自适应特征融合；ＣＮＮ回归模型；图像到查询类的距离【中图分类号】Ｐ２３７【文献标志码】Ａ【文章编号】１００９－...
