本发明涉及案例推理和遥感技术领域，尤其是涉及一种支持时空语义对象的遥感影像应用案例调整方法技术方案。
背景技术：
案例推理（Case-based reasoning，简称CBR）是近年来人工智能领域中兴起的一项重要的推理技术。基于案例的推理思想起源于认知科学，是在记忆模型基础之上发展起来的一种人工智能和机器学习方法。人们在解决问题时，通常回忆过去类似问题的经验、处理过程，并在新问题的环境下对这些经验、处理过程进行适当修改，对其进行复用来解决新的问题。CBR即是模拟人们这种解决问题办法的一种人工智能方法。这些过程反映在CBR中就是CBR的处理模型，以Aamodt 提出的4R模型最为经典(Aamodt et al., 1994)，其中的核心问题包括案例表示、案例复用、案例修正及案例保留。
在案例的调整和复用方面，即可不进行任何调整而将旧案例直接作为新的解决方案，也可根据旧案例重新构建一个全新的解决方案，但较为常见的是介于两者之间的一种折中的方式，即通过规则调整旧案例中的一些属性值，将其作为新的解决方案(Richter et al., 2013)。常见的案例调整方式如下：
1）空调整，即不进行任何调整，直接使用案例检索结果的解作为新问题的解；
2）基于转换的调整（Transformation-based），根据是否进行解结构上的调整分为替换式调整和结构调整。替换式调整不改变案例本身的结构，直接将其他一个或者若干个案例中的解直接替换掉检索结果案例中的某些部分；结构调整则对案例检索结果的解结构进行修改并进行重新组织；
3）启发式调整（Generative adaptations），不直接利用案例检索结果的解，而是基于案例检索结果中问题描述和问题解之间的关系，获取问题求解过程，并在此基础上对新问题进行求解，是案例调整中最为复杂的一种情形。
遥感影像应用案例是指过去真实发生的在确切的时间、地点，使用系列遥感影像完成特定遥感影像应用任务，达到了某种效果的事实。随着对地观测技术的不断发展，遥感影像应用范围越来越广，如何记录下这些遥感影像应用的场景使之成为可利用的知识经验是提高遥感影像应用水平的一个关键问题。CBR是运用过去经验来解决问题的一种人工智能方法，遥感影像应用案例是CBR运用遥感影像应用经验的基本问题。
相对于传统的案例，遥感影像应用案例具有以下特点：1）遥感影像应用案例不仅具有显著的时空特征，还具有复杂的语义特征；2）遥感影像应用案例的元素不是普通的<属性，值>，而是具备语义内涵的概念对象，对象内部、对象之间具有时空、语义关系，例如遥感影像应用任务“水稻估产”是“农作物估产”的子类，其下还有“一季稻估产”、“双季稻估产”等子类，其观测对象是水稻，观测的属性是面积和生物量；3）遥感影像应用任务案例是具备语义推理能力的案例，可对案例中的元素进行深层语义分析，例如“湖北湖南交界地区”可以计算出一个对应的地理空间范围。然而，传统案例调整方法大多为空调整或简单加权式调整，且调整对象以数值为主，缺乏针对遥感影像应用案例特点的考虑，没有针对空间特征的和复杂对象的调整方案。
技术实现要素：
本发明针对现有技术的缺陷，提出一种支持时空语义对象的遥感影像应用案例调整方法技术方案。
本发明技术方案提供一种支持时空语义对象的遥感影像应用案例调整方法，包括以下步骤：
步骤1，建立遥感影像应用案例差异调整规则形式化描述模型，所述遥感影像应用案例差异调整规则形式化描述模型是为以差异化内容为基础的，描述遥感影像应用案例之间差异信息、适用信息以及调整操作的蕴含式，含义为如果规则左侧条件满足则执行规则右侧的调整操作；
步骤2，建立遥感影像应用案例差异调整规则内容组成模型，所述遥感影像应用案例差异调整规则内容组成模型是遥感影像应用案例中时间、空间、遥感影像应用任务、遥感影像产品、应用效果的细分差异；
步骤3，建立遥感影像应用案例差异信息计算方法，计算遥感影像应用案例库中案例之间差异信息，并获取遥感影像应用案例差异调整规则初始集合；
步骤4，建立遥感影像应用案例差异调整规则泛化模型，对遥感影像应用案例调整规则初始集合进行泛化，获得遥感影像应用案例差异调整规则；
步骤5，建立遥感影像应用案例差异调整规则应用模型，根据问题与相似遥感影像应用案例的差异选取合适的遥感影像应用案例调整规则，使用规则的结论部分对相似遥感影像应用案例进行调整以满足问题。
所述一种基于本体的遥感影像应用案例时空语义表达方法，步骤3中的差异信息计算方法为：
步骤3.1，选取案例库中某一个案例作为源案例；
步骤3.2，选取案例库中剩余案例中的一个作为目标案例，将源案例与目标案例进行差操作，计算两者差异信息；
步骤3.3，判断案例库中剩余案例是否都计算完，若计算完则退出，否则重复步骤3.2。
所述一种支持时空语义对象的遥感影像应用案例调整方法，步骤4遥感影像应用案例差异调整规则泛化模型建立方法为：
步骤4.1，选取遥感影像应用案例调整规则初始集合的一条规则r；
步骤4.2，取出规则r的前提部分和结论部分，如果遥感影像应用案例调整规则网中不存在r中前提部分或结论部分，且依据泛化准则不能合并进入已有的规则中，则插入该规则；如果依据泛化准则能够合并进入已有规则，则对已有规则更新；
步骤4.3，判断遥感影像应用案例调整规则初始集合是否全部泛化完成，若完成则退出，否则重复步骤4.2；
其中步骤4.2中泛化准则包括时间特征泛化准则、空间特征泛化准则、任务特征泛化准则以及遥感影像产品泛化准则，具体为：
1）时间特征泛化准则
时间特征的泛化包括尺度泛化和数值泛化两个方面；
不同的时间特征可能在尺度上存在差异，本发明中时间分为年、半年、季度、月、周和日六个尺度，当两个时间差异信息尺度存在包含关系时，可合并成为级别更大的尺度；
时间差异尺度的合并可表示为如下式所示：
（1）
其中tsa、tsb代表两差异信息的尺度； 表示时间差异对象 和的时间尺度相同或相邻；
数值泛化则是在尺度合并的前提下，对时间差异信息的具体数值进行合并；当两差异信息尺度相同时，若两时间连续、重叠、或者时间跨度在容忍范围内，则合并两事件差异数值，如下式所示：
（2）
其中，表示时间对象和的时间跨度在阈值 容忍范围内； 表示时间差异对象和 的时间尺度相同或相邻；表示选择、 的最小起点和最大终点合并成一个时间区间；
2）空间特征泛化准则
空间特征是否能够泛化与空间对象的范围、尺度息息相关，本发明使用空间对象之间的距离和面积来作为空间对象范围、尺度的近似替代；空间特征的泛化需满足以下规则：
1）距离泛化规则：两空间对象若空间距离越远，则泛化合并的几率较低；
2）面积泛化规则：当两空间对象面积差异较大时，繁华合并的几率较低；
在上述距离和面积泛化规则的指导下，本文提出空间特征泛化衡量如下式所示：
（3）
（4）
其中： 、分别是空间对象 、 的面积；是 、 合并后的外接矩形面积；、 之间的空间距离通过反映，两空间对象距离越大，则 越大；
两空间特征泛化的计算如下式所示：
（5）
其中， 表示空间对象 、 的尺度和距离跨度在阈值容忍范围内； 表示计算 、合并的对象的最小凸包；
3）遥感影像应用任务特征泛化准则
遥感影像应用任务是一个符号型对象，不存在数值上的合并，仅存在集合上的合并；
假设遥感影像应用任务、在某种相同条件约束下出现的频率大于一定的阈值，则可将 、 合并为，如下式所示：
（6）
4）影像参数特征泛化准则
遥感影像参数特征由传感器参数特征和平台参数特征构成，在泛化过程中不以传感器或平台作为整体看待，而以具体特征分别泛化；
根据特征类型将遥感影像参数特征分为数值型和符号型两大类；符号型涉及的特征有传感器类型、轨道类型、成像方式；数值型参数特征有时间分辨率、空间分辨率、辐射分辨率、频谱分辨率、频谱窗口；符号型的泛化与遥感影像应用任务特征泛化相同；
（1）分辨率特征泛化准则
对于时间分辨率、空间分辨率、辐射分辨率、频谱分辨率，可采取如时间特征的合并方法，从尺度和数值两个角度考虑该特征是否能泛化；与时间特征泛化不同之处在于分辨率特征的尺度不人为划分，而是通过连续数值计算获得，如下式所示：
（7）
其中是两特征数值的距离，采用可拓距的方式计算和表示； 是两特征的尺度；
分辨率特征泛化方法如下式所示：
（8）
（2）频谱窗口特征泛化准则
频谱窗口是电磁波谱的窗口截取，由于电磁波谱是连续的，因此若两频谱窗口相接、相交或者非常接近，则可以直接合并泛化，如下式所示：
（9）
其中表示两频谱窗口接、相交或者非常接近； 表示 、 的合并区间。
所述一种支持时空语义对象的遥感影像应用案例调整方法，步骤5遥感影像应用案例的差异选取方法为：
步骤5.1，计算用户问题与相似遥感影像应用案例的差异信息；
步骤5.2，计算差异信息与遥感影像应用案例调整规则相似度，选取相似度大于某一阈值的调整规则；
其中，时间差异相似度计算方法如下式所示：
（10）
其中 为遥感影像应用案例调整规则中最大时间与最小时间的距离，为两时间距离；
其中，空间差异相似度计算方法如下式所示：
（11）
其中是空间对象的面积，是两空间对象的质心距离，是遥感影像应用案例规则库中空间对象最远的距离；
其中，任务差异相似度计算方法如下式所示：
（12）
其中为遥感影像应用任务的语义概念密度向量(Liu et al., 2011)；
步骤5.3，对相似的遥感影像应用案例执行遥感影像应用案例调整规则的结论部分。
本发明的有益效果是，本发明提出支持时空语义对象的遥感影像应用案例调整方法，可避免传统案例调整方法大多缺乏针对遥感影像应用案例特点的考虑，没有针对空间特征的和复杂对象的调整方案的问题，具体包括：
（1）通过细分时间、空间、遥感影像应用任务、遥感影像产品等复杂对象方式，可从细部计算遥感应用案例之间的差异，实现空间对象和复杂对象的差异信息计算；
（2）通过时间、空间、遥感影像应用任务、遥感影像产品差异信息的泛化，建立支持空间特征和复杂对象的调整规则，实现遥感影像应用案例的调整。
附图说明
图1是本发明实施例的流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
首先介绍一下本发明所用到的理论基础：
基于案例的推理是人工智能中新崛起的一种重要推理技术。基于案例的推理思想起源于认知科学，是在记忆模型基础之上发展起来的一种人工智能和机器学习方法。案例是过去解决问题的经验，可表示成不同的形式，包括结构化、半结构化甚至自然语言的形式。案例库是一系列案例的集合。CBR以当前的新问题以及案例库中的案例为数据源，通过推理给出新问题的解决方案。CBR技术是人们在不断研究人类认知，并且在认知科学和计算机科学方面取得的成果，对人类的过去经验和前人智慧进行重现，并利用它们指导解决新问题。基于案例推理特别适用于领域知识难以抽象成规则，而积累经验丰富可表示成案例形式的领域。
遥感影像应用是采用遥感影像数据对资源、环境、灾害、区域、城市等进行调查、监测、分析和预测、预报等方面的工作。遥感影像应用案例是指过去真实发生的在确切的时间、地点，使用系列遥感影像完成特定遥感影像应用任务，达到了某种效果的事实。
产生式规则表示法也称产生式表示法或规则，是目前人工智能中应用最多的一种知识表示形式。产生式规则的常见形式是：if（条件1）&（条件2）&…&（条件n）then （结论1）& （结论2）&…&（结论n）。其基本含义是，如果当前状态从条件1至条件n都满足，那么可以得到结论1至结论n。其中条件也称为前提或前件，结论既可以是事实也可以是操作。
接下来，阐述本发明的具体技术方案：
参见图1，本发明实施例所提供方法主要包括以下步骤：
步骤1，建立遥感影像应用案例差异调整规则形式化描述模型，所述遥感影像应用案例差异调整规则形式化描述模型是为以差异化内容为基础的，描述遥感影像应用案例之间差异信息、适用信息以及调整操作的蕴含式，含义为如果规则左侧条件满足则执行规则右侧的调整操作；
步骤2，建立遥感影像应用案例差异调整规则内容组成模型，所述遥感影像应用案例差异调整规则内容组成模型是遥感影像应用案例中时间、空间、遥感影像应用任务、遥感影像产品、应用效果的细分差异；
步骤3，建立遥感影像应用案例差异信息计算方法，计算遥感影像应用案例库中案例之间差异信息，并获取遥感影像应用案例差异调整规则初始集合；
在上述的一种支持时空语义对象的遥感影像应用案例调整方法，所述步骤3中，对案例之间差异信息计算方法具体步骤如下：
步骤3.1，选取案例库中某一个案例作为源案例；
步骤3.2，选取案例库中剩余案例中的一个作为目标案例，将源案例与目标案例进行差操作，计算两者差异信息；
步骤3.3，判断案例库中剩余案例是否都计算完，若计算完则退出，否则重复步骤3.2；
步骤4，建立遥感影像应用案例差异调整规则泛化模型，对遥感影像应用案例调整规则初始集合进行泛化，获得遥感影像应用案例差异调整规则；
在上述的一种支持时空语义对象的遥感影像应用案例调整方法，所述步骤4中，对遥感影像应用案例调整规则泛化方法具体步骤如下：
步骤4.1，选取遥感影像应用案例调整规则初始集合的一条规则r；
步骤4.2，取出规则r的前提部分和结论部分，如果遥感影像应用案例调整规则网中不存在r中前提部分或结论部分，且依据泛化准则不能合并进入已有的规则中，则插入该规则；如果依据泛化准则能够合并进入已有规则，则对已有规则更新；
步骤4.3，判断遥感影像应用案例调整规则初始集合是否全部泛化完成，若完成则退出，否则重复步骤4.2；
在上述的一种支持时空语义对象的遥感影像应用案例调整方法，所述步骤4.2中泛化准则包括时间特征泛化准则、空间特征泛化准则、任务特征泛化准则以及遥感影像产品泛化准则，具体为：
1）时间特征泛化准则
时间特征的泛化包括尺度泛化和数值泛化两个方面；
不同的时间特征可能在尺度上存在差异，本发明中时间分为年、半年、季度、月、周和日六个尺度，当两个时间差异信息尺度存在包含关系时，可合并成为级别更大的尺度；
时间差异尺度的合并可表示为如下式所示：
（1）
其中tsa、tsb代表两差异信息的尺度； 表示时间差异对象 和的时间尺度相同或相邻；
数值泛化则是在尺度合并的前提下，对时间差异信息的具体数值进行合并；当两差异信息尺度相同时，若两时间连续、重叠、或者时间跨度在容忍范围内，则合并两事件差异数值，如下式所示：
（2）
其中，表示时间对象和的时间跨度在阈值 容忍范围内； 表示时间差异对象和 的时间尺度相同或相邻；表示选择、 的最小起点和最大终点合并成一个时间区间；
2）空间特征泛化准则
空间特征是否能够泛化与空间对象的范围、尺度息息相关，本发明使用空间对象之间的距离和面积来作为空间对象范围、尺度的近似替代；空间特征的泛化需满足以下规则：
1）距离泛化规则：两空间对象若空间距离越远，则泛化合并的几率较低；
2）面积泛化规则：当两空间对象面积差异较大时，繁华合并的几率较低；
在上述距离和面积泛化规则的指导下，本文提出空间特征泛化衡量如下式所示：
（3）
（4）
其中： 、分别是空间对象 、 的面积；是 、 合并后的外接矩形面积；、 之间的空间距离通过反映，两空间对象距离越大，则 越大；
两空间特征泛化的计算如下式所示：
（5）
其中， 表示空间对象 、 的尺度和距离跨度在阈值容忍范围内； 表示计算 、合并的对象的最小凸包；
3）遥感影像应用任务特征泛化准则
遥感影像应用任务是一个符号型对象，不存在数值上的合并，仅存在集合上的合并；
假设遥感影像应用任务、在某种相同条件约束下出现的频率大于一定的阈值，则可将 、 合并为，如下式所示：
（6）
4）影像参数特征泛化准则
遥感影像参数特征由传感器参数特征和平台参数特征构成，在泛化过程中不以传感器或平台作为整体看待，而以具体特征分别泛化；
根据特征类型将遥感影像参数特征分为数值型和符号型两大类；符号型涉及的特征有传感器类型、轨道类型、成像方式；数值型参数特征有时间分辨率、空间分辨率、辐射分辨率、频谱分辨率、频谱窗口；符号型的泛化与遥感影像应用任务特征泛化相同；
（1）分辨率特征泛化准则
对于时间分辨率、空间分辨率、辐射分辨率、频谱分辨率，可采取如时间特征的合并方法，从尺度和数值两个角度考虑该特征是否能泛化；与时间特征泛化不同之处在于分辨率特征的尺度不人为划分，而是通过连续数值计算获得，如下式所示：
（7）
其中是两特征数值的距离，采用可拓距的方式计算和表示； 是两特征的尺度；
分辨率特征泛化方法如下式所示：
（8）
（2）频谱窗口特征泛化准则
频谱窗口是电磁波谱的窗口截取，由于电磁波谱是连续的，因此若两频谱窗口相接、相交或者非常接近，则可以直接合并泛化，如下式所示：
（9）
其中表示两频谱窗口接、相交或者非常接近； 表示 、 的合并区间。
步骤5，建立遥感影像应用案例差异调整规则应用模型，根据问题与相似遥感影像应用案例的差异选取合适的遥感影像应用案例调整规则，使用规则的结论部分对相似遥感影像应用案例进行调整以满足问题；
在上述的一种支持时空语义对象的遥感影像应用案例调整方法，所述步骤5中，对遥感影像应用案例调整规则选取方法具体步骤如下：
步骤5.1，计算用户问题与相似遥感影像应用案例的差异信息；
步骤5.2，计算差异信息与遥感影像应用案例调整规则相似度，选取相似度大于某一阈值的调整规则；
其中，时间差异相似度计算方法如下式所示：
（10）
其中 为遥感影像应用案例调整规则中最大时间与最小时间的距离，为两时间距离；
其中，空间差异相似度计算方法如下式所示：
（11）
其中是空间对象的面积，是两空间对象的质心距离，是遥感影像应用案例规则库中空间对象最远的距离；
其中，任务差异相似度计算方法如下式所示：
（12）
其中为遥感影像应用任务的语义概念密度向量(Liu et al., 2011)；
步骤5.3，对相似的遥感影像应用案例执行遥感影像应用案例调整规则的结论部分。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。