《基於關係語義的空間場景信息理解》是依託北京大學，由李梅擔任負責人的面上項目。
基本介紹
- 中文名：基於關係語義的空間場景信息理解
- 項目負責人：李梅
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
由於地理要素在特徵空間的不可分性，缺乏有效知識學習與轉換機制和知識表達模型，不能對多種地理要素的關係和語義進行綜合處理，不具備高層知識推理能力，因此特徵分類方法對空間數據的理解能力有限。 項目以空間關係為核心，首先，基於大比例尺GIS數據進行學習和轉化，把基於幾何表現的GIS數據轉化為基於關係的空間場景表示，解決地理知識獲取和空間場景表示問題；其次，基於知識推理和場景表示，結合高分遙感數據的低層影像特徵，完成地理要素幾何提取和語義解釋；最後，對空間場景中各種地理要素的空間關係和語義進行綜合推理與分析，消除空間、語義和關係上的不一致性，達到場景信息理解的目的。 基於關係語義的場景信息理解將解決地理空間關係組織、空間場景知識表達及理解等關鍵問題，發展基於關係語義的空間信息理解新機制，具有重要科學意義。在城市生態評估、地理國情監測、城市環境評價、國土資源調查、災害監測評估等領域具有重要實用價值。
結題摘要
傳統遙感分析主要聚焦於像素和對象的語義類別信息分析以及定量參數反演，但是其結果不能滿足地理學分析套用的需求，且與人類認知存在較大差距。這是因為傳統遙感分析方法忽視了對地物格局和場景的表達。由於場景直接和景觀格局對應，有多種不同類別地理要素組成，在空間上具備一定分布格局，整體上提供一定的生態功能和服務。因此，場景語義信息更容易被人們理解和接受，可用於研究格局和過程之間的作用關係，解決空間分異性問題。 項目究致力於解決上述問題，即縮小遙感圖像理解和地理學套用間的差異性，提出了一套完整的遙感場景分析和語義理解方法，主要解決四個難題：場景知識多尺度表達、場景信息理解中的尺度選擇問題、空間場景支持的語義解釋機制和場景信息理解中的空間推理問題。首先，提出了場景分割的多層聚合方法，綜合利用影像、GIS和POI數據進行空間場景的多尺度分割和表達。其次，提出了一套自適應尺度學習策略，自動學習和確定場景分割尺度，解決了場景信息理解中的尺度選擇問題。第三，為實現空間場景語義理解，並解決場景分割中存在的“過分割”和“欠分割”兩種問題，分別提出了場景分類和場景分解兩種語義理解方法，綜合考慮了場景內特徵的相似性和場景間語義的依賴性，實驗表明提出的場景分類以及場景分解方法具有較高的精度，能揭示了一些城市地理問題。最後，提出了一個基於層次貝葉斯的層次語義認知模型，對四個語義層及其映射關係統一進行數學表達並用於場景分析，層次模型精度達到90.8%，比現有SVM和LDA模型的精度更高。項目提出的方法用於分析北京、珠海和莆田城市結構和功能分析，獲得了有益的結論。 項目組成員共發表17篇SCI論文，獲國家發明專利1項；積極參加了9次國際會議和15次國內學術會議，並應邀做4次國際會議特邀報告。
