基于语义网络的知识表示在遥感影像湿地植被自动解译中的应用研究.pdfVIP

基于语义网络的知识表示在遥感影像湿地植被 自动解译中的应用研究1 刘湘南史晓霞邹滨许淑娜 30024) (东北师范大学城市与环境科学学院地理系，长春，1 摘要：系统论述了基于语义网络进行遥感影像自动解译的一般原理。介绍了语义网络中节点、 弧等要索的涵义及生成方法，建立了遥感信息自动提取的语义网络模型。以吉林省莫莫格湿地植 被信息自动提取为例，论述了语义网络对目标物先验知识的表示形式、用于自动解译的知识库和 系统解译原理。 关键词：语义网络，知识库，拓扑结构，自动解译，湿地植被 1引言 湿地是地球上具有多种独特功能的生态系统，是自然界生物多样性最丰富的地域之一。湿地植 被是湿地生态系统的重要组成部分，保护与合理地持续利用植被群落是有效地保护和建设湿地生态 环境的根本途径，而保护与合理利用的前提之一是实时地对湿地植被进行全面系统的了解。遥感技 术的不断进步使得实时获取湿地植被多光谱的遥感影像成为可能，因而如何从获取的影像中快速、 准确地自动提取出所需要的信息成为问题的关键。传统的影像解译方法主要依据地物的波谱特征， 而地学信息普遍存在的模糊性、多解性、不确定性和不完备性导致解译效果不很理想。近年来，“知 识”在遥感信息自动提取中的重要性已越来越多地得到了肯定，许多学者对有效的知识表示方法进 可能的对比外，不可能确定一种最好的方法适合于所有的航空影像与卫星影像信息的自动提取。 尽管如此，语义网络表示方法似乎是目前应用最为广泛的一种知识表示方法。Nicolin和Gabler 语言，利用一系列与应用无关且提供受控于数据和模型的控制策略的法则对知识库进行开发利用， 出了一个目标物语义模型，它分为两种类型，第一种类型用于提取目标物的特征信息，第二种模型 作为评价所提取特征质量的标准。本文在前人工作的基础之上，结合莫莫格湿地植被状况。建立了 基于语义网络知识表示方法的湿地植被遥感信息自动提取系统。 2研究区概况 莫莫格湿地保护区位于吉林省西北部镇赉县境内，总面积约为11．5万ha，为吉林省最大的湿 地类型保留地，由嫩江及其支流冲积、洪积而成。主要由江河湖泊水域湿地、小叶樟一苔草沼泽湿 地、芦苇沼泽湿地、碱蓬碱草湿地组成，其中水域面积2．67万ha，芦苇、沼泽面积7．73万ha，草 原面积1．5万ha，是我国湿地生态系统植被类型及植被资源最丰富的地区之一。依据莫莫格生态环 境和群落特征可将其植被划分为水生植被、芦苇沼泽植被、草甸植被等主要类型。水生植被类型主 1国家自然科学基金资助项目 532 要分布于江河、水泡及沟渠水域环境：芦苇沼泽植被主要分布于江河边缘、水泡、沟渠或低洼地段 水域周围的浅水区域季节性积水区；草甸植被则主要分布于沟渠、江权之间。 3基于语义网络的知识表示 语义网络是知识的一种图解表示，它由节点及弧线组成。节点用于表示实体、概念和状态等， 弧线用于表示节点间的关系。图1为莫莫格湿地植被类型简单语义网络示意图。 图1 莫莫格湿地植被简单语义网络图 3．1语义网络中的节点 语义网络中的节点将研究区中的目标物及它们在影像中的表达模型化。有两种类型的节点：概 念节点——目标物的通用模型，实例节点——概念节点在相应观测区中的实现。图l中的节点“湿 地植被”为概念节点，“莫莫格湿地植被”为实例节点。若要查找有关莫莫格湿地植被的信息，应先 找到概念节点“湿地植被”：若要再表示其他地区湿地植被信息，只需在概念节点“湿地植被”上添 加新的子节点即可，这样既减少了存储空间，又便于数据管理、查询。 先于影像分析定义的知识库由概念构成，在解译过程中，将产生由实例构成的对观测区的描述， 产生实例的过程称为实例化，为概念节点定义的一些方法同样适用于实例节点。 一个节点可以与不．L}=一个低级或高级的节点相连，后一种情况叫做“多重粘结”。通过用户定义 的多重粘结方法，可以对节点的可能关系进行限制，没有进行多重粘结的语义网络即为所熟知的“树 状网络”，“树状网络”实质上是一种简化了的语义网络。 一些目标物可以直接从数据中提取出来，这些节点称为初始概念节点，根据初始概念节点的特 征可以从图像中提取相关像元信