遥感图像检索之关联规则（Association Rules）的巧用

《Semantic Retrieval for Remote Sensing Images using Association Rules Mining》（2015 IEEE）

在遥感图像检索中，低级特征与高级语义之间的差异是一个待解决的难题。基于低级特征的图像检索中，存在图像尺寸过大，描述不完整，准确性差等问题；而基于高级语义信息的理论和技术比较有限。因此，这篇文章提到了一种数据挖掘技术，名为“关联规则挖掘”，用来进行遥感图像语义检索。

对于遥感图像，关联规则反映像素之间的空间分布模式。简单来说，如果两个图像包含一些相同或相似的内容，则他们的空间分布模式（即关联规则）相似。

文章中提出的方法大致分为以下几个步骤。首先，用“快速移位法”对遥感图像进行分割。另外，在本文的方法中，分割过度或者分割不足都没关系，只要将图像分割成对象就可以，因此对分割算法的精确度要求并不高。

然后，选择了属性并设置了参数，再使用关联规则挖掘算法从图像中的所有对象中获取关联规则。文章中采用的是最经典的Apriori算法。这一步可以直接影响最后的检索精度，在算法中设置的confidence值越高，检索结果的语义关联性就越强，检索精度就越高。

然后是语义标注工作，给分割后的对象赋予相应的类别信息。在完成标注之后，使用语义直方图来描述语义信息。最后选用KL距离作为相似性度量，按照从大到小的顺序返回检索结果。

这里给出了和另外4种方法比较的结果，所用的数据集是QuickBird卫星收集的遥感图像。纵坐标是平均精确率，横坐标是返回的检索结果的数量（比如top8，top16等等）。可以看出，随着返回结果数量的增加，所有方法的平均精度都在下降，但文章所提出的方法始终高于其他方法。而且作者提到，这仅仅是使