大规模遥感解译本体存储和推理方法研究论文.pdfVIP

大规模遥感解译本体存储和推理方法研究 贾晓光林正位 北京航空航天大学计算机学院，北京100191 摘要：随着遥感解译卫星图库的不断膨胀，以及遥感图像中需要识别的目标数量的不断增长，传 统遥感解译工作越来越繁重。本文将本体技术应用到遥感图像解译过程中。采用本体技术描述遥感解 译领域和专家知识，并提出了中种改进的混合本体映射模式，和一种不再依赖本体推理机的本体推理 方法。最后给出了一个实现本方法的系统，可以帮助解译人员极丸地提高工作效率。 关键词：遥感解译大规模本体本体映射方法知识推理、 l引 言 近些年来，随着遥感技术的迅猛发展，遥感数据成爆炸式增长虬在传统的遥感图像解译过程弗，遥 感解译专家通过自己的知识和经验进行判读解译，同时进行大量的资料查找过程后才能得到解译结果，·正 作量大且效率低下。随着遥感卫星图像库不断膨胀以及遥感图像中需要识别的目标数量的不断增长，传统 的遥感图像人工解译工作越来越繁重。于是积累获取、表达和共享遥感解译专家的知识，构建一个基于遥 感领域知识的解译工具以辅助解译人员更快更有效地完成解译工作，成为一件很有意义的工作。 在语义web和知识工程领域的推动下，本体技术因其适合用于表达领域知识、实现知识重用和共享而 得到了广泛地研究¨王14’l5’16I。本体可以用来描述一个领域明确的形式化的概念模型，：实现领域知识共享。-， 本文采用本体技术来描述遥感图像特定目标识别领域模型，构建该领域的知识库，实现该领域知识的重用 和共享。然而将I本体技术应用到遥感信息处理和遥感解译领域，目前仍存在一些问题需要解决，其中一个 突出问题是大规模本体的存储和推理方面存在性能瓶颈．，现在国内外研究人员已经产生一些成果，如 储和推理。然而在本体访问速度和推理能力之间，它们都以其中一方面为代价提高另下『方面的性能ar本文 借鉴现有方法的优点，结合遥感解译本体的特点，提出了新的本体存储和推理方法at本文采用关系数据库 作为本体的底层存储机制，并提出了一种改进的混合本体映射模式，有效地完成了本体到关系数据库的映 射；根据良好本体的语义提取出若干规则用于推理本体中隐含的知识，在不明显降低本体访问速度的前提 下增强了本体的推理能力；最后完成了遥感解译专家子系统，实现了本文所提出的本体存储推理方法。 2遥感解译知识的表示和存储 2．1本体描述语言 owL是w3c推荐的语义网络本体描述语言规范，包含三个子语剖7】：owLLite、6、Ⅵ，DL和owL 也增加了知识推理的复杂性。文【8]细述了制约oWLLite推理速度的因素，主要包括等价关系和隐含等价 关系等。通过限制使用OwLLite语法和语义的方法规避这些制约因素厂创建出一个OwLLitc的子语言 OwLLite．【8J，并且证明了在保持较强描述能力的同时对本体中隐含知识的推理可以再多项式时间内完成。 本文采用OwLLite一语言作为大规模遥感解译本体的的描述语言。 2．2本体映射方法 现有的映射模式主要有五种【4．9】。水平数据库模式比较简单，但无法存储规模较大的本体；垂直表模式 虽然结构稳定且易于更新，但其可读性差，查询效率非常低；分解模式对类的隐含实例的查询代价很大； 混合本体映射模式仅适用于中等规模概念和属性的本体；元模式的数据库结构稳定，在个体查询、本体结 构查询时速度很快，但当查询涉及多表连接时，查询效率不高。 本文结合大规模遥感解译图像目标解译本体的特点，综合考虑了已有的常见本体映射模式的优缺点， 提出一个改进的混合本体映射模式(OoM／o蹦)，用于生成遥感解译本体的数据库存储结构。这种映射方 法的基本思想是，首先将本体映射为POJO对象模型，然后利用ORM技术将对象模型映射到关系模型， OldJava 简称为oOM／ORM。其中POJO对象指的是Plain 及POJO对象间关联的完整结构。PoJO具有类名、属性以及属性存取器，不包含任何其它操作。 模式、OOM推理模式、OOM存储模式。 属性的包含关系映射成POJO类的继承关系。 现本体类与对象属性之间的关系；丢失了本体对象属性特性信息，即对称属性、传递属性和逆属性信息； 无法显式地表达本体中的包含关系。OoM元模式解决了这些不匹配，将本体视为它的一个实例，以供本 体访问和本体推理使用。 理。其原因是保留