研究背景
Research Background
遥感细粒度目标识别是对地观测及计算机视觉领域中的一项核心且极具挑战的任务，其聚焦高空间分辨率图像中对象的定位及精细分类。
当前遥感细粒度目标识别算法突破了对像素级、对象级与邻域级不同层次的对象语义特征、纹理像素特征及空间邻域特征等多源多尺度特征的协同综合，但仍然无法直接利用场景构成、实体内涵、特征描述与时序变化等细粒度的目标识别相关特征。
核心问题
Core Challenges
知识表达不足
缺乏形式化的知识组织与表达方法，无法系统化描述复杂场景知识
关联关系薄弱
目标间复杂空间关系、场景依赖性表达能力有限
动态演化缺失
难以捕捉目标全生命周期的时序变化特征
特征感知局限
仅依赖影像域特征，缺乏从特征感知到知识推理的转变
创新方法
Innovative Approach
本研究提出了一种多层级知识图谱组织与表达方法，通过设计场景、实体、特征与变化的四层知识表达框架，实现场景约束、实体约束、特征约束、时序约束下的多层级遥感细粒度目标识别知识的组织与表达。
四层知识表达框架
Four-Layer Knowledge Framework
场景层 Scene Layer
表达遥感图像的整体语义环境，提供宏观背景约束
实体层 Entity Layer
描述遥感细粒度目标实体，界定不同细粒度目标的特定类别
特征层 Feature Layer
数字化描述遥感细粒度目标时空实体的多维特征
变化层 Change Layer
描述遥感细粒度目标实体全生命周期的动态演化时序特性
理论基础
Theoretical Foundation
场景理论
对客观世界中不同空间环境及其内部目标分布与交互规律的系统化抽象与认知，场景对目标具有显著约束作用
时空对象理论
通过时空参照、空间形态、关联关系等特征将现实目标抽象为数字化实体，实现全生命周期描述
时空知识图谱理论
以时空分布与演化规律为核心，构建实体状态序列和关系网络来刻画目标的动态演化过程