基于蒙特卡洛树搜索的影像组优选方法与流程

本发明涉及电数字数据信息检索领域，具体涉及一种基于蒙特卡洛树搜索的影像组优选方法。

背景技术：

1、遥感用户主要是在数据管理系统中通过条件查询得到查询结果，然后通过人工挑选和订购的方式来选择有效影像。此类方法费时费力，且仅适用于影像总数量较少的情况。但是随着遥感卫星应用频率不断升高，以及遥感影像快速增长，采用人工方法从海量影像中获取感兴趣影像是十分低效的。

2、以遥感影像统筹为例，可以采用本发明提出的影像组搜索方法实现。用户需要目标区域范围内的遥感影像，往往通过系统中多个影像形成的影像组进行影像拼接。传统的方法就是用户输入影像查询信息，将符合用户要求的影像搜索出来，得到查询结果，再由用户对查询结果进行手动选择，直至选中的影像覆盖整个目标区域。但是该方法仅适用于查询结果很少且目标区域很小的情况，如果查询结果超过一定的数量或者目标区域范围过大，人工选择的方法显然不适合。还有一种方法选择影像组通过对查询结果进行排序实现，可以根据不同的指标进行排序，如影像质量、采集时间等，然后按照排序结果依次从指标高到指标低的影像开始选择，直至选中的影像覆盖整个目标区域。该方法虽然可以实现影像的自动化选择，但是影像组的整体指标较差，而且影像之间的重叠率较高，严重降低了影像的利用率，增加了用户成本。

3、影像组优化方法可以根据用户意向在海量人工查询结果中获取感兴趣影像，提高遥感用户获取影像的便捷性。利用蒙特卡洛树搜索进行影像组优化的优势是能够找到的整体指标比较高的一组影像。

4、蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。蒙特卡洛树搜索受到快速关注主要是由计算机围棋程序的成功以及其潜在的在众多难题上的应用所致。超越博弈游戏本身，蒙特卡洛树搜索理论上可以被用在以{状态state，行动action}对定义和用模拟进行预测输出结果的任何领域，可以理解为给定一个状态来选择最佳的下一步行动方式，经过多次模拟，尝试基于模拟结果对最佳下一步行动方式进行预测。

技术实现思路

1、本发明提出一种基于蒙特卡洛树搜索的影像组优选方法，弥补了现有方法对样本要求高，工作量大的缺陷，降低了工作量的同时保障了提取结果的精度，获得高准确率、形状完整性和边界精度的植被类地物提取结果。

2、为实现上述技术目的，本发明的技术方案如下：

3、s1确定查询条件，并根据查询条件对遥感影像进行筛选，得到查询结果；

4、s2确定优选指标，并根据优选指标对查询结果进行蒙特卡洛树搜索，得到优选轨迹，具体包括：

5、s201设置蒙特卡洛树的预设深度；

6、s202确定优选指标：优选指标作为轨迹评价的评分标准；

7、s203确定根节点：在查询结果中选择初始影像，将该初始影像作为蒙特卡洛树的根节点。

8、s204节点判断：判断当前节点是否为叶节点，如果不是叶节点，执行步骤s205；如果是叶节点，对当前节点进行进一步判断是否首次访问该节点，如果首次访问该节点，执行步骤s207，如果不是首次访问该节点，执行步骤s206；

9、s205节点选择：从起始节点开始，根据子节点的权重为概率逐层随机选择子节点，直至蒙特卡洛树的叶节点，如果叶节点的深度等于预设蒙特卡洛树深度，即用户设置的区域范围被影像组完全覆盖，跳转至步骤s206，否则，迭代次数加1，重新进行节点选择。第1次迭代过程中起始节点为根节点。

10、s206节点扩展：根据影像查询结果，选择排名前5的影像为当前叶节点扩展出五个子节点，根据每个子节点的权值选择一个子节点作为模拟节点。在初始状态下，随机选取一个子节点作为模拟节点。

11、s207模拟搜索：以当前叶节点为起点，在查询结果中连续随机选择k幅影像，直至蒙特卡洛树的深度达到预设深度，影像可以覆盖目标区域范围，这些连续随机选择的影像共同组成模拟影像组。

12、s208轨迹评价：对模拟搜索得到的模拟影像组计算优选目标值：

13、s209节点权重更新：根据优选目标值更新该轨迹上所有节点的权值，并将迭代次数加1，如果蒙特卡洛树的深度小于预设深度，执行步骤s204，否则，执行步骤s210。

14、s210轨迹选择：从起始节点开始，选择蒙特卡洛树中具有最大权重和的轨迹作为优选轨迹。

15、具体地，所述查询条件包括星源类型、传感器类型、空间分辨率、成像时间、影像质量。

16、具体地，所述初始影像是通过查询条件自动提取得分最高的影像，或者通过人机互动方法手动指定的影像。

17、具体地，所述优选指标包括影像组云量、交并比、影像组采集日期、影像组传感器方差。

18、具体地，所述蒙特卡洛树的预设深度根据用户设置的区域范围确定。

19、具体地，所述轨迹评价包括以下两个步骤：

20、步骤一、计算出模拟影像组各个优选指标下的评价结果；

21、步骤二、通过目标函数得到优化目标值。

22、具体地，所述目标函数为所述优选指标中的多项的加权和，表示为：

23、

24、其中，为第i个优选指标的权值，为第i个优选指标的评价结果，s为优选指标的个数。

25、本发明的有益效果为：本发明提出了一种基于蒙特卡洛树搜索的影像组优选方法，该方法汲取了蒙特卡洛搜索的精髓，结合了随机模拟的一般性优点和树搜索的准确性优点，使影像组优化在空间广度和搜索深度方面提升显著，有利于搜索到优化条件下的整体最优影像组。

技术特征：

1.一种基于蒙特卡洛树搜索的影像组优选方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述查询条件包括星源类型、传感器类型、空间分辨率、成像时间、影像质量。

3.根据权利要求1所述的方法，其特征在于，步骤s203中，所述初始影像是通过查询条件自动提取得分最高的影像，或者通过人机互动方法手动指定的影像。

4.根据权利要求1所述的方法，其特征在于，所述优选指标包括影像组云量、交并比、影像组采集日期、影像组传感器方差。

5.据权利要求1所述的方法，其特征在于，所述蒙特卡洛树的预设深度根据用户设置的区域范围确定。

6.根据权利要求1所述的方法，其特征在于，步骤s208中，所述轨迹评价包括以下两个步骤：

7.根据权利要求6所述的方法，其特征在于，所述目标函数可以为所述优选指标中的多项的加权和，表示为：

技术总结
本发明公开了一种基于蒙特卡洛树搜索的影像组优选方法，属于电数字数据处理领域。该方法包括以下步骤：S1确定查询条件，并根据查询条件对遥感影像进行筛选，得到查询结果；S2确定优选指标，并根据优选指标对查询结果进行蒙特卡洛树搜索，得到优选结果。本发明弥补了现有方法对样本要求高，工作量大的缺陷，降低了工作量的同时保障了提取结果的精度，获得高准确率、形状完整性和边界精度的植被类地物提取结果。

技术研发人员：舒位恒,李群,吴皓,殷雨昕,董铱斐,李洁,邹圣兵
受保护的技术使用者：北京数慧时空信息技术有限公司
技术研发日：
技术公布日：2024/1/13