(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210941870.3 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 114996488 A (43)申请公布日 2022.09.02 (73)专利权人 北京道达天际科技股份有限公司 地址 100085 北京市海淀区马连洼北路8号 C座7层70 3室 (72)发明人 梁斯东　杨晓冬　 (74)专利代理 机构 北京市领专知识产权代理有 限公司 1 1590 专利代理师 潘镜如 (51)Int.Cl. G06F 16/44(2019.01) G06F 16/483(2019.01) G06F 16/487(2019.01) G06F 16/48(2019.01) G06F 16/901(2019.01)G06V 20/10(2022.01) G06V 20/13(2022.01) G06V 20/17(2022.01) G06V 20/70(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06F 16/35(2019.01) G06F 40/268(2020.01) G06F 40/289(2020.01) G06F 40/295(2020.01) G06N 3/04(2006.01) G06N 5/02(2006.01) G06N 5/04(2006.01) (56)对比文件 CN 112084923 A,2020.12.15 WO 2021042823 A1,2021.0 3.11 CN 114187450 A,2022.03.15 审查员 余益明 (54)发明名称 一种天网大 数据决策级融合方法 (57)摘要 本发明涉及一种天网大数据决策级融合方 法， 包括步骤： 对遥感图像进行图像数据语义化 处理； 所述语义化处理包括对遥感图像进行语义 分割， 得到图像语义分割图， 提取图像语义分割 图高保真三维信息； 对开源数据进行时空化处 理； 基于图像数据语义化处理的遥感图像和时空 化处理的开源数据， 进行天网大数据融合； 对融 合的天网大数据进行混合多态存储 管理； 对天网 大数据进行空间、 时间、 专题的三屏联动可视化。 本发明的目的在于融合天基监测数据与网络开 源数据， 获得高时效高价 值的数据信息 。 权利要求书2页 说明书13页 附图6页 CN 114996488 B 2022.10.25 CN 114996488 B 1.一种天网大 数据决策级融合方法， 其特 征在于： 包括以下步骤： 步骤S1， 对遥感图像进行图像数据语义化处理； 所述语义化处理包括对遥感图像进行 语义分割， 得到图像 语义分割图， 提取图像 语义分割图高保真三维信息； 所述步骤S1中对遥感图像进行语义分割， 得到图像 语义分割图的步骤， 包括： 使用图像语义分割模型对遥感图像进行语义分割， 得到 图像语义分割图； 所述图像语 义分割模型包括编码器、 解码器， 所述编码器包括深度卷积神经模块、 特征图切分模块、 空 洞空间金字塔池化模块； 所述深度 卷积神经模块用于提取遥感图像的基础特征图， 当基础特征图的分辨率下降 到1/16大小 时， 输入特征图切分模块； 所述特征图切分模块对1/16分辨率的基础特征图进 行切分， 得到多个尺度相同的切分特征图， 提取各个切分特征图中局部区域内的纹理特征， 再将提取了纹 理特征的各个切分特 征图进行对应位置拼接， 输出至所述 解码器； 所述深度卷积神经模块提取的遥感图像的基础特征图输入到空洞空间金字塔池化模 块中， 空洞空间金字塔池化模块捕获基础特征图的上下文内容信息； 所述空洞空间金字塔 池化模块采用空洞率为6、 12、 18的空洞卷积序列， 以及1*1大小的卷积核 得到具有 上下文信 息的特征图输出张量； 所述解码器采用双线性插值对空洞空间金字塔池化模块输出的特征图进行2倍上采样 后与特征图切分模块输出的拼接后的特征图进行融合， 采用一个或多个3*3大小的深度可 分离卷积核重新定义特 征， 输出与遥感图像尺度相同的图像 语义分割图； 所述步骤S1中提取图像 语义分割图高保真三维信息的步骤， 包括： 使用分形网络算法对图像语义分割图进行分割， 将分割后的各类子区域输入训练好的 神经网络模型中进行识别 分类； 分类结果属于地面区域的子区域定义为修正区域， 其他区 域定义为非修正区域， 对非修 正区域通过平滑滤波生成其对应的数字高程模型； 选取各个修正区域向外延伸距离为D的区间为修正区域的训练样本， 基于训练样本对 修正区域的高程曲面进行拟合， 生成修 正区域对应的数字高程模型； 所述基于训练样本对修正区域的高程曲面进行拟合， 生成修正 区域对应的数字高程模 型的步骤， 包括： 通过将关联高程数据点集得到的格网点高程映射到图像语义分割图的灰 度值， 同时采用高斯差 分极值检测法来探测粗差， 再用最小二乘移动曲面拟合法修正粗差， 最后通过径向基函数对修正粗差之后的关联高程数据点集拟合， 得到修正区域的数字高程 模型； 修正区域的数字高程模型和非修正区域的数字高程模型共同构成完整的高保真三维 信息； 步骤S2， 对开源数据进行时空化处 理； 步骤S2中所述对开源数据进行时空化处 理的步骤， 包括： 从互联网获取开源数据， 对开源数据进行预处理， 得到文本数据； 所述预处理包括中文 分词及词性标注、 命名实体识别、 关键词抽取、 文本自动分类； 对文本数据进行空间化处理， 所述空间化处理包括地理实体识别、 地理实体定位、 地理 实体属性抽取、 地理实体关系抽取和地理事件抽取， 以构建语义地理网， 所述语义地理网包 括语义关系表、 空间关系表、 属性表； 步骤S3， 基于图像数据语义化处理的遥感图像和时空化处理的开源数据， 进行天网大权　利　要　求　书 1/2 页 2 CN 114996488 B 2数据融合； 步骤S3中所述基于图像数据语义化处理 的遥感图像和时空化处理的开源数据， 进行天 网大数据融合的步骤， 包括： 建立天网大数据关联关系， 所述关联关系 包括时空关联关系、 对象关联关系、 内容关联 关系； 基于天网大 数据关联关系， 构建天网大 数据时空图谱； 基于天网大数据时空图谱进行天网大数据自适应分析， 根据模板文档解析场景模型， 生成场景模型唯一对应的用户意图； 步骤S4， 对融合的天网大 数据进行混合多态存 储管理； 天网大数据混合多态存储管理是基于关系型、 非关系型和文件系统数据库的基础上， 在上层封装搜索引擎和图数据库； 构建<时间 ‑空间‑关系>的数据模型， 形成三维一体化存 储与组织管理模型， 实现空间数据、 文本数据在分析与显示维度任意无 缝切换； 步骤S5， 对天网大 数据进行空间、 时间、 专 题的三屏联动可视化； 将天网大数据描述为空间、 时间、 专题三个方面组成的空间对象， 先将特征与场进行地 理空间对象级的关联， 再对地理空间实体进行时、 空、 属一体化关联， 从而形成空间、 时间、 专题一体化的时空动态可视化模型； 最终以三屏联动的方式， 实现媒体、 时空、 知识图谱联 合联动的动态展示。 2.根据权利要求1所述的一种天网大数据决策级融合方法， 其特征在于： 所述构建天网 大数据时空图谱的步骤， 包括： 基于汇集的多源遥感卫星数据和互联网公开 来源信息数据， 进行目标知识实体抽取； 通过面向关注目标的全 源信息的知识融合方法进行目标知识实体链接； 对异构知识进行统一表达与推理计算； 通过关注目标 领域时空图谱进行自适应增量更新； 基于面向关注目标相关时空图谱应用的图分析引擎对目标图进行分析。权　利　要　求　书 2/2 页 3 CN 114996488 B 3