本發明涉及案例推理和遙感技術領域，尤其是涉及一種支持時空語義對象的遙感影像應用案例調整方法技術方案。
背景技術：
案例推理（Case-based reasoning，簡稱CBR）是近年來人工智能領域中興起的一項重要的推理技術。基于案例的推理思想起源于認知科學，是在記憶模型基礎之上發展起來的一種人工智能和機器學習方法。人們在解決問題時，通常回憶過去類似問題的經驗、處理過程，并在新問題的環境下對這些經驗、處理過程進行適當修改，對其進行復用來解決新的問題。CBR即是模擬人們這種解決問題辦法的一種人工智能方法。這些過程反映在CBR中就是CBR的處理模型，以Aamodt 提出的4R模型最為經典(Aamodt et al., 1994)，其中的核心問題包括案例表示、案例復用、案例修正及案例保留。
在案例的調整和復用方面，即可不進行任何調整而將舊案例直接作為新的解決方案，也可根據舊案例重新構建一個全新的解決方案，但較為常見的是介于兩者之間的一種折中的方式，即通過規則調整舊案例中的一些屬性值，將其作為新的解決方案(Richter et al., 2013)。常見的案例調整方式如下：
1）空調整，即不進行任何調整，直接使用案例檢索結果的解作為新問題的解；
2）基于轉換的調整（Transformation-based），根據是否進行解結構上的調整分為替換式調整和結構調整。替換式調整不改變案例本身的結構，直接將其他一個或者若干個案例中的解直接替換掉檢索結果案例中的某些部分；結構調整則對案例檢索結果的解結構進行修改并進行重新組織；
3）啟發式調整（Generative adaptations），不直接利用案例檢索結果的解，而是基于案例檢索結果中問題描述和問題解之間的關系，獲取問題求解過程，并在此基礎上對新問題進行求解，是案例調整中最為復雜的一種情形。
遙感影像應用案例是指過去真實發生的在確切的時間、地點，使用系列遙感影像完成特定遙感影像應用任務，達到了某種效果的事實。隨著對地觀測技術的不斷發展，遙感影像應用范圍越來越廣，如何記錄下這些遙感影像應用的場景使之成為可利用的知識經驗是提高遙感影像應用水平的一個關鍵問題。CBR是運用過去經驗來解決問題的一種人工智能方法，遙感影像應用案例是CBR運用遙感影像應用經驗的基本問題。
相對于傳統的案例，遙感影像應用案例具有以下特點：1）遙感影像應用案例不僅具有顯著的時空特征，還具有復雜的語義特征；2）遙感影像應用案例的元素不是普通的<屬性，值>，而是具備語義內涵的概念對象，對象內部、對象之間具有時空、語義關系，例如遙感影像應用任務“水稻估產”是“農作物估產”的子類，其下還有“一季稻估產”、“雙季稻估產”等子類，其觀測對象是水稻，觀測的屬性是面積和生物量；3）遙感影像應用任務案例是具備語義推理能力的案例，可對案例中的元素進行深層語義分析，例如“湖北湖南交界地區”可以計算出一個對應的地理空間范圍。然而，傳統案例調整方法大多為空調整或簡單加權式調整，且調整對象以數值為主，缺乏針對遙感影像應用案例特點的考慮，沒有針對空間特征的和復雜對象的調整方案。
技術實現要素：
本發明針對現有技術的缺陷，提出一種支持時空語義對象的遙感影像應用案例調整方法技術方案。
本發明技術方案提供一種支持時空語義對象的遙感影像應用案例調整方法，包括以下步驟：
步驟1，建立遙感影像應用案例差異調整規則形式化描述模型，所述遙感影像應用案例差異調整規則形式化描述模型是為以差異化內容為基礎的，描述遙感影像應用案例之間差異信息、適用信息以及調整操作的蘊含式，含義為如果規則左側條件滿足則執行規則右側的調整操作；
步驟2，建立遙感影像應用案例差異調整規則內容組成模型，所述遙感影像應用案例差異調整規則內容組成模型是遙感影像應用案例中時間、空間、遙感影像應用任務、遙感影像產品、應用效果的細分差異；
步驟3，建立遙感影像應用案例差異信息計算方法，計算遙感影像應用案例庫中案例之間差異信息，并獲取遙感影像應用案例差異調整規則初始集合；
步驟4，建立遙感影像應用案例差異調整規則泛化模型，對遙感影像應用案例調整規則初始集合進行泛化，獲得遙感影像應用案例差異調整規則；
步驟5，建立遙感影像應用案例差異調整規則應用模型，根據問題與相似遙感影像應用案例的差異選取合適的遙感影像應用案例調整規則，使用規則的結論部分對相似遙感影像應用案例進行調整以滿足問題。
所述一種基于本體的遙感影像應用案例時空語義表達方法，步驟3中的差異信息計算方法為：
步驟3.1，選取案例庫中某一個案例作為源案例；
步驟3.2，選取案例庫中剩余案例中的一個作為目標案例，將源案例與目標案例進行差操作，計算兩者差異信息；
步驟3.3，判斷案例庫中剩余案例是否都計算完，若計算完則退出，否則重復步驟3.2。
所述一種支持時空語義對象的遙感影像應用案例調整方法，步驟4遙感影像應用案例差異調整規則泛化模型建立方法為：
步驟4.1，選取遙感影像應用案例調整規則初始集合的一條規則r；
步驟4.2，取出規則r的前提部分和結論部分，如果遙感影像應用案例調整規則網中不存在r中前提部分或結論部分，且依據泛化準則不能合并進入已有的規則中，則插入該規則；如果依據泛化準則能夠合并進入已有規則，則對已有規則更新；
步驟4.3，判斷遙感影像應用案例調整規則初始集合是否全部泛化完成，若完成則退出，否則重復步驟4.2；
其中步驟4.2中泛化準則包括時間特征泛化準則、空間特征泛化準則、任務特征泛化準則以及遙感影像產品泛化準則，具體為：
1）時間特征泛化準則
時間特征的泛化包括尺度泛化和數值泛化兩個方面；
不同的時間特征可能在尺度上存在差異，本發明中時間分為年、半年、季度、月、周和日六個尺度，當兩個時間差異信息尺度存在包含關系時，可合并成為級別更大的尺度；
時間差異尺度的合并可表示為如下式所示：
（1）
其中tsa、tsb代表兩差異信息的尺度； 表示時間差異對象 和的時間尺度相同或相鄰；
數值泛化則是在尺度合并的前提下，對時間差異信息的具體數值進行合并；當兩差異信息尺度相同時，若兩時間連續、重疊、或者時間跨度在容忍范圍內，則合并兩事件差異數值，如下式所示：
（2）
其中，表示時間對象和的時間跨度在閾值 容忍范圍內； 表示時間差異對象和 的時間尺度相同或相鄰；表示選擇、 的最小起點和最大終點合并成一個時間區間；
2）空間特征泛化準則
空間特征是否能夠泛化與空間對象的范圍、尺度息息相關，本發明使用空間對象之間的距離和面積來作為空間對象范圍、尺度的近似替代；空間特征的泛化需滿足以下規則：
1）距離泛化規則：兩空間對象若空間距離越遠，則泛化合并的幾率較低；
2）面積泛化規則：當兩空間對象面積差異較大時，繁華合并的幾率較低；
在上述距離和面積泛化規則的指導下，本文提出空間特征泛化衡量如下式所示：
（3）
（4）
其中： 、分別是空間對象 、 的面積；是 、 合并后的外接矩形面積；、 之間的空間距離通過反映，兩空間對象距離越大，則 越大；
兩空間特征泛化的計算如下式所示：
（5）
其中， 表示空間對象 、 的尺度和距離跨度在閾值容忍范圍內； 表示計算 、合并的對象的最小凸包；
3）遙感影像應用任務特征泛化準則
遙感影像應用任務是一個符號型對象，不存在數值上的合并，僅存在集合上的合并；
假設遙感影像應用任務、在某種相同條件約束下出現的頻率大于一定的閾值，則可將 、 合并為，如下式所示：
（6）
4）影像參數特征泛化準則
遙感影像參數特征由傳感器參數特征和平臺參數特征構成，在泛化過程中不以傳感器或平臺作為整體看待，而以具體特征分別泛化；
根據特征類型將遙感影像參數特征分為數值型和符號型兩大類；符號型涉及的特征有傳感器類型、軌道類型、成像方式；數值型參數特征有時間分辨率、空間分辨率、輻射分辨率、頻譜分辨率、頻譜窗口；符號型的泛化與遙感影像應用任務特征泛化相同；
（1）分辨率特征泛化準則
對于時間分辨率、空間分辨率、輻射分辨率、頻譜分辨率，可采取如時間特征的合并方法，從尺度和數值兩個角度考慮該特征是否能泛化；與時間特征泛化不同之處在于分辨率特征的尺度不人為劃分，而是通過連續數值計算獲得，如下式所示：
（7）
其中是兩特征數值的距離，采用可拓距的方式計算和表示； 是兩特征的尺度；
分辨率特征泛化方法如下式所示：
（8）
（2）頻譜窗口特征泛化準則
頻譜窗口是電磁波譜的窗口截取，由于電磁波譜是連續的，因此若兩頻譜窗口相接、相交或者非常接近，則可以直接合并泛化，如下式所示：
（9）
其中表示兩頻譜窗口接、相交或者非常接近； 表示 、 的合并區間。
所述一種支持時空語義對象的遙感影像應用案例調整方法，步驟5遙感影像應用案例的差異選取方法為：
步驟5.1，計算用戶問題與相似遙感影像應用案例的差異信息；
步驟5.2，計算差異信息與遙感影像應用案例調整規則相似度，選取相似度大于某一閾值的調整規則；
其中，時間差異相似度計算方法如下式所示：
（10）
其中 為遙感影像應用案例調整規則中最大時間與最小時間的距離，為兩時間距離；
其中，空間差異相似度計算方法如下式所示：
（11）
其中是空間對象的面積，是兩空間對象的質心距離，是遙感影像應用案例規則庫中空間對象最遠的距離；
其中，任務差異相似度計算方法如下式所示：
（12）
其中為遙感影像應用任務的語義概念密度向量(Liu et al., 2011)；
步驟5.3，對相似的遙感影像應用案例執行遙感影像應用案例調整規則的結論部分。
本發明的有益效果是，本發明提出支持時空語義對象的遙感影像應用案例調整方法，可避免傳統案例調整方法大多缺乏針對遙感影像應用案例特點的考慮，沒有針對空間特征的和復雜對象的調整方案的問題，具體包括：
（1）通過細分時間、空間、遙感影像應用任務、遙感影像產品等復雜對象方式，可從細部計算遙感應用案例之間的差異，實現空間對象和復雜對象的差異信息計算；
（2）通過時間、空間、遙感影像應用任務、遙感影像產品差異信息的泛化，建立支持空間特征和復雜對象的調整規則，實現遙感影像應用案例的調整。
附圖說明
圖1是本發明實施例的流程圖。
具體實施方式
下面通過實施例，并結合附圖，對本發明的技術方案作進一步具體的說明。
首先介紹一下本發明所用到的理論基礎：
基于案例的推理是人工智能中新崛起的一種重要推理技術。基于案例的推理思想起源于認知科學，是在記憶模型基礎之上發展起來的一種人工智能和機器學習方法。案例是過去解決問題的經驗，可表示成不同的形式，包括結構化、半結構化甚至自然語言的形式。案例庫是一系列案例的集合。CBR以當前的新問題以及案例庫中的案例為數據源，通過推理給出新問題的解決方案。CBR技術是人們在不斷研究人類認知，并且在認知科學和計算機科學方面取得的成果，對人類的過去經驗和前人智慧進行重現，并利用它們指導解決新問題。基于案例推理特別適用于領域知識難以抽象成規則，而積累經驗豐富可表示成案例形式的領域。
遙感影像應用是采用遙感影像數據對資源、環境、災害、區域、城市等進行調查、監測、分析和預測、預報等方面的工作。遙感影像應用案例是指過去真實發生的在確切的時間、地點，使用系列遙感影像完成特定遙感影像應用任務，達到了某種效果的事實。
產生式規則表示法也稱產生式表示法或規則，是目前人工智能中應用最多的一種知識表示形式。產生式規則的常見形式是：if（條件1）&（條件2）&…&（條件n）then （結論1）& （結論2）&…&（結論n）。其基本含義是，如果當前狀態從條件1至條件n都滿足，那么可以得到結論1至結論n。其中條件也稱為前提或前件，結論既可以是事實也可以是操作。
接下來，闡述本發明的具體技術方案：
參見圖1，本發明實施例所提供方法主要包括以下步驟：
步驟1，建立遙感影像應用案例差異調整規則形式化描述模型，所述遙感影像應用案例差異調整規則形式化描述模型是為以差異化內容為基礎的，描述遙感影像應用案例之間差異信息、適用信息以及調整操作的蘊含式，含義為如果規則左側條件滿足則執行規則右側的調整操作；
步驟2，建立遙感影像應用案例差異調整規則內容組成模型，所述遙感影像應用案例差異調整規則內容組成模型是遙感影像應用案例中時間、空間、遙感影像應用任務、遙感影像產品、應用效果的細分差異；
步驟3，建立遙感影像應用案例差異信息計算方法，計算遙感影像應用案例庫中案例之間差異信息，并獲取遙感影像應用案例差異調整規則初始集合；
在上述的一種支持時空語義對象的遙感影像應用案例調整方法，所述步驟3中，對案例之間差異信息計算方法具體步驟如下：
步驟3.1，選取案例庫中某一個案例作為源案例；
步驟3.2，選取案例庫中剩余案例中的一個作為目標案例，將源案例與目標案例進行差操作，計算兩者差異信息；
步驟3.3，判斷案例庫中剩余案例是否都計算完，若計算完則退出，否則重復步驟3.2；
步驟4，建立遙感影像應用案例差異調整規則泛化模型，對遙感影像應用案例調整規則初始集合進行泛化，獲得遙感影像應用案例差異調整規則；
在上述的一種支持時空語義對象的遙感影像應用案例調整方法，所述步驟4中，對遙感影像應用案例調整規則泛化方法具體步驟如下：
步驟4.1，選取遙感影像應用案例調整規則初始集合的一條規則r；
步驟4.2，取出規則r的前提部分和結論部分，如果遙感影像應用案例調整規則網中不存在r中前提部分或結論部分，且依據泛化準則不能合并進入已有的規則中，則插入該規則；如果依據泛化準則能夠合并進入已有規則，則對已有規則更新；
步驟4.3，判斷遙感影像應用案例調整規則初始集合是否全部泛化完成，若完成則退出，否則重復步驟4.2；
在上述的一種支持時空語義對象的遙感影像應用案例調整方法，所述步驟4.2中泛化準則包括時間特征泛化準則、空間特征泛化準則、任務特征泛化準則以及遙感影像產品泛化準則，具體為：
1）時間特征泛化準則
時間特征的泛化包括尺度泛化和數值泛化兩個方面；
不同的時間特征可能在尺度上存在差異，本發明中時間分為年、半年、季度、月、周和日六個尺度，當兩個時間差異信息尺度存在包含關系時，可合并成為級別更大的尺度；
時間差異尺度的合并可表示為如下式所示：
（1）
其中tsa、tsb代表兩差異信息的尺度； 表示時間差異對象 和的時間尺度相同或相鄰；
數值泛化則是在尺度合并的前提下，對時間差異信息的具體數值進行合并；當兩差異信息尺度相同時，若兩時間連續、重疊、或者時間跨度在容忍范圍內，則合并兩事件差異數值，如下式所示：
（2）
其中，表示時間對象和的時間跨度在閾值 容忍范圍內； 表示時間差異對象和 的時間尺度相同或相鄰；表示選擇、 的最小起點和最大終點合并成一個時間區間；
2）空間特征泛化準則
空間特征是否能夠泛化與空間對象的范圍、尺度息息相關，本發明使用空間對象之間的距離和面積來作為空間對象范圍、尺度的近似替代；空間特征的泛化需滿足以下規則：
1）距離泛化規則：兩空間對象若空間距離越遠，則泛化合并的幾率較低；
2）面積泛化規則：當兩空間對象面積差異較大時，繁華合并的幾率較低；
在上述距離和面積泛化規則的指導下，本文提出空間特征泛化衡量如下式所示：
（3）
（4）
其中： 、分別是空間對象 、 的面積；是 、 合并后的外接矩形面積；、 之間的空間距離通過反映，兩空間對象距離越大，則 越大；
兩空間特征泛化的計算如下式所示：
（5）
其中， 表示空間對象 、 的尺度和距離跨度在閾值容忍范圍內； 表示計算 、合并的對象的最小凸包；
3）遙感影像應用任務特征泛化準則
遙感影像應用任務是一個符號型對象，不存在數值上的合并，僅存在集合上的合并；
假設遙感影像應用任務、在某種相同條件約束下出現的頻率大于一定的閾值，則可將 、 合并為，如下式所示：
（6）
4）影像參數特征泛化準則
遙感影像參數特征由傳感器參數特征和平臺參數特征構成，在泛化過程中不以傳感器或平臺作為整體看待，而以具體特征分別泛化；
根據特征類型將遙感影像參數特征分為數值型和符號型兩大類；符號型涉及的特征有傳感器類型、軌道類型、成像方式；數值型參數特征有時間分辨率、空間分辨率、輻射分辨率、頻譜分辨率、頻譜窗口；符號型的泛化與遙感影像應用任務特征泛化相同；
（1）分辨率特征泛化準則
對于時間分辨率、空間分辨率、輻射分辨率、頻譜分辨率，可采取如時間特征的合并方法，從尺度和數值兩個角度考慮該特征是否能泛化；與時間特征泛化不同之處在于分辨率特征的尺度不人為劃分，而是通過連續數值計算獲得，如下式所示：
（7）
其中是兩特征數值的距離，采用可拓距的方式計算和表示； 是兩特征的尺度；
分辨率特征泛化方法如下式所示：
（8）
（2）頻譜窗口特征泛化準則
頻譜窗口是電磁波譜的窗口截取，由于電磁波譜是連續的，因此若兩頻譜窗口相接、相交或者非常接近，則可以直接合并泛化，如下式所示：
（9）
其中表示兩頻譜窗口接、相交或者非常接近； 表示 、 的合并區間。
步驟5，建立遙感影像應用案例差異調整規則應用模型，根據問題與相似遙感影像應用案例的差異選取合適的遙感影像應用案例調整規則，使用規則的結論部分對相似遙感影像應用案例進行調整以滿足問題；
在上述的一種支持時空語義對象的遙感影像應用案例調整方法，所述步驟5中，對遙感影像應用案例調整規則選取方法具體步驟如下：
步驟5.1，計算用戶問題與相似遙感影像應用案例的差異信息；
步驟5.2，計算差異信息與遙感影像應用案例調整規則相似度，選取相似度大于某一閾值的調整規則；
其中，時間差異相似度計算方法如下式所示：
（10）
其中 為遙感影像應用案例調整規則中最大時間與最小時間的距離，為兩時間距離；
其中，空間差異相似度計算方法如下式所示：
（11）
其中是空間對象的面積，是兩空間對象的質心距離，是遙感影像應用案例規則庫中空間對象最遠的距離；
其中，任務差異相似度計算方法如下式所示：
（12）
其中為遙感影像應用任務的語義概念密度向量(Liu et al., 2011)；
步驟5.3，對相似的遙感影像應用案例執行遙感影像應用案例調整規則的結論部分。
本文中所描述的具體實施例僅僅是對本發明精神作舉例說明。本發明所屬技術領域的技術人員可以對所描述的具體實施例做各種各樣的修改或補充或采用類似的方式替代，但并不會偏離本發明的精神或者超越所附權利要求書所定義的范圍。