遥感影像地理本体建模驱动的对象分类技术

发布时间：2018-04-17 05:22

本文选题：遥感影像分类 + 地理本体　；参考：《武汉大学》2015年博士论文

【摘要】：遥感影像分类一直是国际遥感领域研究的热点和难点问题,经历了从人工目视分类到半自动分类,正在向自动化、智能化方向发展,长期以来一直存在着“重视技术、忽视知识、缺乏本体认识”的问题,这些问题降低了它的自动化智能化程度,限制了它的工程化应用。本研究以解决该问题为突破口,以主流的面向地理对象影像分析技术GEOBIA (Geographic Object-Based Image Analysis)为例,从地理本体理论角度出发,研究遥感影像地理本体建模驱动的对象分类技术。GEOBIA已经成为遥感影像分类最主流且最有潜力的手段之一,该技术不仅是遥感与地理领域研究的热点,而且已经成为该领域的新型发展范式,但同样存在“重视技术、忽视知识、缺乏本体认识”的问题,具体而言,缺乏系统的概念化和形式化表达GEOBIA各元素的方法,地理本体的引入为其提供了新思路,为遥感影像分类带来了真正的革命。地理本体具有概念化、明确性、形式化、时空性、共享性等特征,对解决该问题具有显著优势。通过地理本体可以形式化明确表达遥感影像特征及各种专家知识,减少低层特征与高层语义之间的语义鸿沟,解决由于专家认知不同所引起的结果不一致性问题,以计算机可操作的形式化语言建立模拟人类感知过程的本体模型,从而实现遥感影像的面向对象自动分类。为此,论文提出“地理实体概念本体描述——遥感影像分类地理本体建模——地理本体驱动的影像对象分类”遥感影像分类地理本体框架,在该框架指导下,客观描述地理实体概念本体,构建遥感影像分类地理本体模型,实现地理本体驱动的影像对象分类方法,为遥感影像分类提供理论依据与模型方法。本论文的研究内容及结论主要包括：1、提出“地理实体概念本体描述——遥感影像分类地理本体建模——地理本体驱动的影像对象分类”遥感影像分类地理本体框架。针对遥感影像分类长期存在的“重视技术、忽视知识、缺乏本体认识”问题,具体是缺乏对遥感影像分类各个元素客观建模,导致影像分类高度主观而且难以重复应用的问题,从地理本体理论角度出发,提出遥感影像分类地理本体框架,该框架利用地理本体链接主客观知识,实现对地理实体的统-认知与客观描述,避免不同专家由于不同解译经验带来的结果不一致问题；利用语义网络模型有机组织和显式表达各种知识,以计算机可操作的形式化语言明确表达语义关系；联合数据驱动的机器学习方法与知识驱动的专家规则,实现地理本体驱动的影像对象分类,为遥感影像分类提供标准、科学的框架,客观模型及新型方法,变遥感影像分类的不确定性为确定性,提高影像分类的科学性,从而推动其自动化发展及工程化应用。2、建立面向地理本体建模的地理实体概念与知识体系。面向遥感影像分类客观建模需求,从地理知识、遥感影像特征、影像对象特征、专家知识四个方面总结归纳地理实体领域知识,建立地理实体领域知识的概念本体框架,提高地理实体表达的客观性,确保描述地理实体的知识的一致性,避免专家知识不同导致的结果不一致问题。具体以地表覆盖实体为例,总结归纳了地表覆盖实体的领域知识,构建了地表覆盖实体概念本体,为遥感影像分类地理本体建模奠定了知识基础。3、建立遥感影像分类地理本体模型。在构建地理实体概念与知识体系的基础上,利用网络本体语言OWL (Web Ontology Language)构建了遥感影像、影像对象、分类器的本体模型,具体给出了决策树及专家规则两种典型分类器的本体模型,利用斯坦福大学开发的protege本体编辑软件进行了模型表达,形式化表达了整个语义网络模型,为地理本体驱动的影像对象分类提供了客观模型。4、提出地理本体驱动的影像对象分类方法的四个层次。1)影像分类地理本体模型构建；2)图论与分形网络演化相结合的遥感影像并行分割；3)基于随机森林的特征自动优选；4)基于语义网络模型的影像对象语义分类。面向地理国情普查的地表覆盖分类,实验证明,该方法在遥感影像分类地理本体框架指导下,通过研究并行分割、特征优选、语义分类技术,不仅能够得到客观反映地理实体的分类结果及语义信息,而且能够实现地理实体领域知识的共享与语义网络模型的复用,推动了数据驱动方法向知识驱动方法的根本转变。5、开展面向地理国情普查的遥感影像地表覆盖分类实验。面向地表覆盖分类中的耕地、林地、园地、草地、房屋建筑(区)、道路、荒漠与裸露地表、水域8种类型,以云南瑞丽市、陕西临潼区为实验区,以WorldView-2高分辨率影像为数据源,以中国测绘科学研究院开发的地理国情要素提取与解译系统FeatureStation_GeoEX、美国斯坦福大学开发的Protege软件为实验平台,利用本文提出的框架、模型与方法开展了地表覆盖分类实验,实验表明,本研究实现了遥感影像分类各个元素的客观建模、影像对象的语义分类以及领域知识的共享,提出的框架与模型具有客观性、明确性、可扩展性、自适应性等特征,能够为遥感影像分类提供标准、科学的框架、客观模型与新型方法。
[Abstract]:Remote sensing image classification has been a hot topic and difficult problem in the field of international remote sensing . The problem of image classification is highly subjective and difficult to repeat . From the perspective of geographic ontology , the frame of remote sensing image classification geography ontology is proposed , which uses the subjective and objective knowledge of the geographic ontology to realize the unification - cognition and objective description of the geographical entities and avoid the inconsistent results of different experts due to different interpretation experience ;
using the semantic network model organic organization and explicit expression of various knowledge , express the semantic relation clearly in the formal language of computer operation ;
In this paper , the concept and knowledge system of remote sensing image classification is established . The concept ontology framework of remote sensing image classification is established . The concept ontology framework of remote sensing image classification is established .
2 ) Parallel segmentation of remote sensing images combined with fractal network evolution ;
3 ) automatically optimizing based on the characteristics of the random forest ;
4 ) Based on the semantic classification of image objects in the semantic network model , the surface coverage classification experiment is carried out on the basis of the geographic situation . The experiment proves that the method can be used to realize the objective modeling of the geographic entity , the semantic classification of the image objects and the sharing of the domain knowledge .

【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：P237

【参考文献】