基于知识推理的影像处理服务链构建技术研究

　　摘要:随着知识图谱和语义技术的发展，计算机能够按需求自动构建Web服务的组合。影像处理任务通常包含多项服务的组合，本文提出一种基于知识推理的影像处理服务链构建方法，首先分析影像处理服务特征，基于Web服务描述方法构建影像服务节点模型，依据服务匹配规则进行节点间关系推理从而构建具有知识图谱特性的服务链图谱，在此基础上依据任务参数进行影像处理服务链的推导和筛选。最后通过影像镶嵌裁切示例验证影像处理服务链构建方法的可行性和有效性。

　　关键词:影像处理服务;知识推理;服务匹配;服务链图谱

　　0引言

　　影像服务是遥感影像被Web端或其他客户端应用获取的一种服务方式。在ArcGIS中，利用服务接口访问动态的影像服务，相应的接口主要有ArcGISRESTAPI以及地理处理服务两类。通过服务接口可以对影像服务进行可视化与分析、快速查询检索元数据信息、下载原始影像或裁切下载某一区域的影像以及执行影像相关地理处理等操作。影像处理任务通常包含多项单个处理任务的组合建模，映射到动态影像服务上则为影像处理服务接口的组合，即服务链。本文基于ArcGIS动态影像服务研究影像处理服务链的构建技术，服务链中的服务实体主要为上述两类服务接口。

　　1影像处理服务接口分析

　　当前对影像服务进行处理的服务接口主要有两类:ArcGISRESTAPI和地理处理服务。ArcGISRESTAPI是由ArcGIS平台提供的REST风格的Web服务，主要用于访问各类服务。对于影像服务而言，RESRAPI的功能包括影像的显示与分析、影像目标查询、影像下载、影像编辑、影像测量、元数据查询、像素查询以及栅格上传等[7]。RESTAPI的输入输出具有特定的名称和含义，不同的API中具有相同名称的输入输出参数语义基本一致，对构建服务链十分有利;输出结果若为栅格数据，其存储路径与服务路径存在关联规律。地理处理服务简称GP(Geoprocessing)服务，是由ArcGIS提供的各类地理处理工具发布而成的Web服务，主要用于对各类数据集和服务进行地理处理。对于影像服务而言，主要使用其中栅格工具集进行影像处理，包括镶嵌数据集、正射映射、栅格数据集、栅格处理和栅格属性5个子工具集[8]。GP服务的输入栅格主要包括普通的栅格数据集、镶嵌数据集以及影像服务层;派生输出栅格的存储路径与服务路径存在关联规律。与RESTAPI不同的是，GP服务由用户发布，发布时必须对输入输出参数的语义进行自定义，为使其能够与RESTAPI共同进行服务链图谱构建，其语义定义应该尽量与RESTAPI一致。

　　2影像服务链图谱构建

　　知识图谱通常以三元组(头实体、关系、尾实体)的形式表达知识，知识推理旨在基于已有的知识图谱事实，推理出新的事实或识别错误[9]。借鉴知识图谱的模式，将影像处理服务接口看作知识图谱中的一个个实体节点，建立节点的服务模型和服务匹配规则，利用已知的节点属性和匹配规则进行节点间的关系推理，从而构建服务链图谱。

　　2.1服务模型

　　Web服务的描述语言是OWL-S[10]，通常采用IOPE(Input、Output、Precondition、Effect)方法描述服务功能，其中IO是从信息流角度描述服务的输入和输出，PE从状态流的角度描述服务执行前的判断条件和结果表示[11]。根据IOPE方法建立服务模型见表1。表中，输入输出分别由input和output属性表达;执行前条件和执行结果分别由state和effect属性表达:其中state枚举值为开始/结束/其他，分别代表当前服务无前继节点/无后续节点/前后均可有节点。节点类型分为三大类:1)GP功能接口代表GP服务;2)API功能接口代表RESTAPI;3)转换工具、必选/可选参数接收为用户自定义通信类服务，不同类型的服务节点需要进行不同的服务地址配置。

　　2.2服务匹配规则

　　服务之间要能匹配，必须实现“语法和语义”的互操作，其中语法互操作指两个系统中流动和处理的信息使用相同的结构;语义互操作指两个系统中的流动和处理的信息有共同的语义理解[1]。依据服务之间的组合是基于接口之间能够互操作的事实，文献[2]将两个接口之间的关系分为以下几类:相关、合作与选择。本文沿用其分类名称，但对相关关系和选择关系的概念进行重新定义。其中相关是指若前一个接口的输出参数完全构成后一个接口的输入参数，则两个接口之间是相关的关系;选择是指若前一个接口的输出参数构成后一个接口输入参数的一部分，则两个接口之间具有选择关系;合作是指若某两个接口的输出共同构成另一个接口的输入，则前两个接口相互之间就是合作关系。在上述3个基本关系下进一步考虑服务的迭代特征和地理处理服务参数的必要/非必要特征，将服务节点之间关系扩展为相关、迭代相关、必选、可选、迭代选择、合作六类，如图1所示。其中迭代选择只考虑必选项，可选项的迭代不考虑。

　　3服务链推导

　　服务链推导是指在影像服务链图谱已构建的基础上，根据用户提供的输入输出参数和任务名称，推导出可能的聚合服务链，并对推导出的服务链进行筛选。本文主要采用基于图数据库的路径算法和基于三元组的推导，推导流程如图2所示。

　　1)首先根据输入参数和输出参数，利用图数据库的路径算法，推导所有服务链路径。

　　2)然后根据用户提供的参数，利用三元组推导方法确定可行路径，如图3所示。基于三元组的推理值给定三元组中任意两个元素，推理出缺失的另一个元素[9]。首先对链路进行关系查询，获取其中的SELECT类关系的前继节点，然后查询其合作节点参数，若为必选参数，则将用户参数与合作节点的输入参数进行匹配，若匹配成功，确定该合作节点，进行下一个SELECT类关系的查询，此时可能存在多个含相同参数名称的合作节点;若匹配不成功，则进一步判断，该合作节点是否为起始节点，若为起始节点，则删除路径中的该SELECT关系的前节点和相应关系，若非起始节点，则进一步将其前继节点输入参数与用户参数进行匹配。

　　4应用示例

　　利用neo4j图数据库来存储影像处理服务三元组，根据服务匹配规则构建出服务链图谱。以影像服务在线镶嵌裁切下载为影像处理任务示例，完成服务链的推导。

　　以镶嵌数据集作为数据源的影像服务能够实现实时的影像更新操作，具有数据源和影像服务同步更新的特点，可以作为影像镶嵌裁切处理的容器。在本例中，影像处理任务为“影像镶嵌裁切”，初始输入参数为需要镶嵌到影像服务中的影像文件和裁切的几何范围I={files，geometry}，最终目标是获取下载的影像路径G={filePath}。将输入输出参数传入图数据库查询出二者间的所有链路如图4所示，共有4条，见表3。

　　5结束语

　　本文基于知识图谱和服务链共同的有向图特征，利用知识图谱表达服务链图谱，提出一种基于知识推理的影像处理服务链构建方法。首先分析影像处理服务特征，利用Web服务本体模型的IOPE原则构建影像服务节点模型，然后基于服务间的基本的相关、选择及合作关系概念构建细化的影像服务匹配规则，进行服务节点间的一项基础性工作，同时也是一项具有较大工作难度的工作。目前大多数地市的地形图成果仍以AutoCAD文件格式为主要载体，这种数据格式与空间数据库相比，数据结构较为松散，逻辑组织无强制性约束，应用分析较弱，无法较好地支撑起其自身应具备的“空间”特性。

　　本文从东莞市具体实践出发，以全市1∶500地形图的外业采集、内业加工处理、成果规整、质检、入库和数据更新等方面展开讨论，详细论述了其中的关键内容，对东莞市的1∶500地形图一体化采编、建库和更新工作进行了较为全面的总结，为其他地市的大比例尺地形图一体化建库更新工作提供了参考。

　　参考文献:

　　[1]倪洁诗.抚州市基础地理信息数据库管理系统建设研究[D].南昌:东华理工大学，2014.

　　[2]陈天福.河南省焦作市地理信息数据库管理系统[D].天津:天津大学，2014.

　　[3]刘波，徐迪峰.镇江市基础地理信息系统的设计与实现[J].现代测绘，2008(1):41-43.

　　[4]牛树海，李少斌.信息社会下城市地理学的发展———城市地理信息系统的形成与发展[J].三门峡职业技术学院学报，2003(4):59-62.

　　[5]郭有为，姜芸，巩翼龙.数字城市基础地理信息数据库建设研究[J].测绘与空间地理信息，2012，35(5):84-86.

　　林筝