RESUMEN A pesar del gran número de trabajos en recuperación de imágenes basadas en contenido, 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 no pueden ser usados directamente en la recuperación de imágenes por teledetección. Incluso en una consulta perfecta de imágenes basadas en contenido, 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 co-ocurrencia local de una red bayesiana de recuperación de imágenes 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.
ABSTRACT Although scholars have conducted numerous researches on content-based image retrieval and obtained great achievements, they make little progress in studying remote sensing image retrieval. Both theoretical and application systems are immature. Since remote sensing images are characterized by large data volume, broad coverage, vague themes and rich semantics, the research results on natural images and medical images cannot be directly used in remote sensing image retrieval. Even perfect content-based remote sensing image retrieval systems have many difficulties with data organization, storage and management, feature description and extraction, similarity measurement, relevance feedback, network service mode, and system structure design and implementation. This paper proposes a remote sensing image retrieval algorithm that combines co-occurrence region based Bayesian network image retrieval with average high-frequency signal strength. By Bayesian networks, it establishes correspondence relationships between images and semantics, thereby realizing semantic-based retrieval of remote sensing images. In the meantime, integrated región matching is introduced for iterative retrieval, which effectively improves the precision of semantic retrieval.