地理本体建模驱动的遥感影像面向对象语义分类方法研究

With the development of the national geographical conditions monitoring project and the expected construction of global geographic information resources, how to extract fine land cover categories from the high-resolution remote sensing data accurately becomes a key scientific and technological issue. The existing manual interpretation method is time consuming and laborious, and the automatic classification method is difficult to meet the needs of fine classification. This study takes the GEOBIA (Geographic Object-Based Image Analysis) as a breakthrough in the big data and artificial intelligence development environment, and the geo-ontology is introduced to explore the object-based semantic classification method for remote sensing imagery. This study puts forward and studies the geometric entity ontology based on high level semantic relations, the ontology reasoning rules based on historical interpretation knowledge, and the object-based semantic classification method combing machine learning and ontology reasoning. The proposed approach can solve the shortcomings of existing object classification on insufficient usage of prior knowledge and semantic information, and make up for the lack of semantic reasoning ability of the existing classification method. This study could expand the research ideas and methods for classification, and to promote the sharing and reuse of GEOBIA ontology, and to improve its fine level and intelligent level.

随着我国地理国情监测工程的开展，以及全球地理信息资源建设的提出，对如何从高分辨率遥感数据中准确提取地表覆盖精细类别成为急待突破的一项关键科学技术问题。现有人工解译方法费时费力，自动分类方法难以满足精细分类的需要。本项目在大数据、人工智能发展大环境下，以遥感影像面向对象分类为突破口，引入地理本体，探索地理本体建模驱动的遥感影像面向对象语义分类方法。创新性的提出并研究顾及高层次语义关系的地理实体特征本体，基于历史解译知识的本体推理规则，融合机器学习与本体推理规则的面向对象语义分类方法。可弥补现有分类中对先验知识、空间语义信息利用不足，以及现有自动分类方法依赖训练样本反复训练、缺乏语义推理能力的缺陷，得到客观反映地理实体的精细分类结果与语义信息，以期拓展遥感影像分类研究的思路与方法，推动遥感影像面向对象分类本体的共享与复用，提高遥感影像分类的精细程度和智能化水平。

遥感影像智能解译不仅是具有学科领域交叉的研究方向，而且是自然资源管理工作中最基础、应用最广泛、技术难度最高的业务方向。在遥感大数据、人工智能发展环境下，研究遥感影像智能解译方法，提高遥感影像解译的精细程度与智能化水平，已成为一项值得深入研究和探索的内容，也是十分必要而且与时俱进的。本项目面向全国地理国情监测、全国土地利用动态监测与更新等重大工程对遥感影像解译技术的需求，针对遥感影像解译缺乏地理认知的问题，以GEOBIA为突破口，从地理本体与地理认知出发，提出地理本体驱动的“地理实体描述-模型构建-影像对象分类”技术框架，首先，利用地理本体建立影像对象客观特征与领域专家知识的联系，实现对地理实体的描述与表达；其次，利用知识工程方法以及计算机可操作的形式化本体语言构建影像对象特征、分类器的本体模型，形成语义网络模型；最后，联合语义网络模型与专家规则实现影像对象的语义分类。 该方法能够实现地理知识的形式化描述及推理计算，可以提高学习能力和对先验知识的利用率，不仅能得到影像分类信息，而且能够关联相关的语义信息，有助于通过遥感影像分类对地理场景进行深入认知。. 本项目构建了顾及高层次语义关系的地表覆盖分类特征本体，研究于历史解译知识的本体推理规则，融合机器学习与本体推理规则的面向对象语义分类方法，融合知识图谱与深度学习的语义方法，形成了本体驱动的地表覆盖分类工具原型，开展了地表覆盖分类实验、滑坡提取与识别实验。发表论文7篇，SCI检索2篇，获得发明专利1项，竞赛奖励1项。 . 本项目是遥感影像分类的前沿性探索，不仅能够为遥感影像分类提供一种科学的客观依据与模型方法，而且有望一定程度上推动遥感影像面向对象分类本体的共享与复用，提高遥感影像分类的精细程度和智能化水平，对我国正在实施的地理国情监测、土地利用动态监测，乃至最近提出的全球地理信息资源建设等具有重要应用价值。