[发明专利]一种基于知识图谱的高分多源遥感数据融合方法

说明书

本发明提供了一种基于知识图谱的高分多源遥感数据融合方法，主要流程包括知识图谱信息抽取、知识图谱信息融合、新图谱生成、新数据融合。本技术通过对不同数据源高分影像抽取知识图谱，并对其进行深度挖掘，分析关联信息，建立两个知识图谱之间的映射关系，从而将新的知识图谱与不同数据源的影像融合成新的遥感影像。这种基于知识图谱的数据融合方式，能够直观有效的表达出不同数据源影像之间错综复杂的关系，充分利用不对称的非结构化信息，更大程度上提高了多源数据融合的可能性。

技术领域

本发明涉及一种基于知识图谱的高分多源遥感数据融合方法。

背景技术

海量的数据为人们更好地掌握与认知事物规律提供了越来越丰富的来源。由于非结构化数据的急剧增长，对高分多源数据融合的要求已经不能满足于现状，这对遥感图像的融合方式提出了新的要求与挑战。传统的图像融合是将同一地区不同属性的遥感影像加以合成，产生比单一信息源更精确、更完全的图像信息，而如何将不同地区、不同属性的高分多源非结构化遥感数据信息高效自动匹配起来，使遥感图像融合技术向着多维方向发展，是需要不断探索的问题。

发明内容

为了克服现有技术的不足，本发明提供了一种基于知识图谱的高分多源遥感数据融合方法，包括知识图谱信息抽取、知识图谱信息融合、新图谱生成、新数据融合四个步骤。本方法通过对不同数据源高分影像抽取知识图谱，并对其进行深度挖掘，分析其关联信息，建立两个知识图谱的映射关系，从而将新的知识图谱与不同数据源的影像本体融合成新的遥感影像。

本发明的实现方式如下：

一种基于知识图谱的高分多源遥感数据融合方法，包括知识图谱信息抽取、知识图谱信息融合、新图谱生成、新数据融合四个步骤。

所述的对于知识图谱的抽取包括实体抽取、关系抽取、属性抽取。

所述的实体抽取是指抽取遥感影像的头文件信息元素，通常包含遥感图像的中心经纬度、分辨率、传感器类型、轨道信息、拍摄日期、拍摄平台、图像类型、波段组成、坐标投影内容标签，具体的标签定义可根据任务不同而调整。

所述的关系抽取是抽取出两个或多个源数据之间的语义关系，例如位置重叠度、相同的空间分辨率。

所述的属性抽取的任务是为每个本体语义类构造属性列表，属性抽取之后能够形成完整的实体概念的知识图谱维度。

对所述的两个源数据分别进行实体抽取、关系抽取、属性抽取，根据抽取的语义信息进行数据映射关联，再对实体抽取的离散的信息利用深度学习方法进行深入挖掘、分析、推理以构建它们之间良好的映射关系，最后为两个本体建立的一一对应的映射关系构造属性列表，两个源数据关系可以表示为（第一源数据，关系，第二源数据）。

所述的根据建立的映射关系进行知识融合，将两个知识图谱合并，通过数据映射技术建立影像本体和不同数据源抽取知识的映射关系，进而将不同数据源的知识图谱融合在一起，融合后形成新的知识图谱。

所述利用新的知识图谱，根据本体与新的知识图谱的映射关系，将不同数据源的影像融合成新的遥感影像，从而实现不同数据源遥感数据的融合。

本发明的有益效果：这种基于知识图谱的数据融合方式，能够直观有效的表达出不同数据源影像之间错综复杂的关系，将海量高分多源非结构化遥感数据信息高效自动利用起来，更大程度上提高了多源数据融合的可能性。

附图说明

附图1为发明一种基于知识图谱的高分多源遥感数据融合方法的功能设计框图。

具体实施方式

为了更加清晰有条理的说明本系统的技术方案设计，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。