题目：军事目标遥感图像解译系统中本体应用研究

在目前的军事目标遥感解译过程中，遥感解译人员运用自己的经验和知识进行判读解译，同时进行大量的资料查找过程后才能得到解译结果，工作量大且效率低。随着遥感卫星图像库不断膨胀以及遥感图像中需要识别的军事目标数量的不断增长，传统军事目标遥感解译工作越来越繁重。因此获取、表达和共享领域和专家的知识，构建基于知识的解译工具以辅助解译人员更有效地完成解译任务，成为一件很有意义的工作。本课题采用本体技术描述遥感解译领域和专家知识，借助本体的优点实现领域和专家知识的获取、表达和共享从而帮助解译人员提高工作效率。将本体技术应用到军事目标遥感解译中需要克服一系列的障碍，本课题就大规模军事目标遥感解译本体（LMO）的存储和推理性能等方面存在的问题展开研究，主要工作包含如下三个方面：（1）良好本体规范：本文针对现有方法在LMO存储和推理等方面存在的不足，对OWL Lite[21]中影响存储和推理性能且较少使用的语言成分进行分析，在分析结果的基础上提出良好本体规范对主题本体描述语言成分的使用进行约束，从而在保留本体语言足够的描述能力情况下有利于LMO存储和推理性能的提高。（2）本体存储和推理方法：根据良好本体语义提取出八组规则用于推理本体隐含知识，并给出两个推导本体隐含知识的方法和流程，在不明显降低本体访问速度的前提下增强系统的本体推理能力。采用关系数据库作为本体的底层存储机制，解决大规模军事目标解译本体存储和管理方面存在的应用瓶颈；提出一种改进的混合本体映射模式，有效地完成解译本体到关系数据库的映射，支持本体演化且便于本体推理功能的实现。（3）解译专家子系统的设计与实现：完成一个主题军事目标遥感解译专家子系统，实现了本文提出的本体存储和推理方法。本文首先介绍系统的体系结构和主要功能模块，然后依次介绍每个功能模块的功能需求和针对这些需求的主要设计，随后讲解了主要的系统实现以及实现中的重点和难点如良好本体检测功能和本体ABox推理功能等。本文最后针对课题的预期目标及其实现进行了实验验证。完成本体映射和演化实验、本体推理能力和访问速度实验以及遥感解译实例分析实验等三个实验，明确地阐述了实验的方法、步骤、结果和结论，实验结果和结论证明本文提出的方法是可行的、有效的，完成了课题主要研究内容、达到了预期目标。