顧及語義匹配類別的遙感處理服務(wù)組合方法

邢 華 橋，武 昊，侯 妙 樂，侯 東 陽,4

(1．中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京 100083；2.國家基礎(chǔ)地理信息中心,北京 100830； 3．北京建筑大學(xué)，北京 100044； 4．中國礦業(yè)大學(xué)，江蘇 徐州 221116)

?

顧及語義匹配類別的遙感處理服務(wù)組合方法

邢 華 橋1,2，武 昊2，侯 妙 樂3，侯 東 陽2,4

(1．中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京 100083；2.國家基礎(chǔ)地理信息中心,北京 100830； 3．北京建筑大學(xué)，北京 100044； 4．中國礦業(yè)大學(xué)，江蘇 徐州 221116)

針對傳統(tǒng)遙感處理服務(wù)組合時(shí)只考慮服務(wù)間完全匹配，忽略包含匹配、交叉匹配的問題，提出了一種顧及服務(wù)語義匹配類別的遙感處理服務(wù)組合方法。該方法首先將服務(wù)語義匹配分為完全匹配、前驅(qū)包含匹配、后繼包含匹配、交叉匹配等不同類別，然后結(jié)合遙感處理服務(wù)的領(lǐng)域特征，給出了不同語義匹配類別的判別方法；繼而根據(jù)語義匹配類別建立了服務(wù)之間不同類型的前驅(qū)/后繼關(guān)系，發(fā)展了一種基于后繼服務(wù)查找的服務(wù)組合方法，最后以影像變化檢測為實(shí)驗(yàn)案例說明了算法的有效性。

遙感處理服務(wù)；服務(wù)匹配；服務(wù)組合；語義匹配類別

0 引言

隨著空間信息服務(wù)技術(shù)的不斷發(fā)展和成熟，越來越多的組織和個(gè)人將遙感信息數(shù)據(jù)、遙感處理算法、模型以web服務(wù)的形式進(jìn)行封裝并發(fā)布在 Internet 上[1,2]。面對用戶復(fù)雜的應(yīng)用分析需求，通常需要按照一定的業(yè)務(wù)邏輯組合多個(gè)功能有限、粒度較小的原子服務(wù)，以實(shí)現(xiàn)服務(wù)增值[3]。

服務(wù)組合的關(guān)鍵是從可選服務(wù)集中準(zhǔn)確匹配到相應(yīng)的服務(wù)[4]。目前國內(nèi)外學(xué)者對服務(wù)匹配的研究主要分為基于參數(shù)關(guān)鍵詞匹配和基于語義的服務(wù)匹配兩類。前者通過參數(shù)在字符串層面上的匹配，沒有考慮到參數(shù)概念間的語義關(guān)系，影響了服務(wù)匹配的準(zhǔn)確率[5,6]；后者通過建立領(lǐng)域本體，將參數(shù)概念映射到本體中，基于概念之間的語義關(guān)系進(jìn)行服務(wù)匹配，是當(dāng)前的主要研究方向，如文獻(xiàn)[7,8]等基于語義推理提出了面向目標(biāo)服務(wù)匹配方法，文獻(xiàn)[9,10]等從過程互模擬的角度，基于PI 演算和有限狀態(tài)自動(dòng)機(jī)等技術(shù)對服務(wù)匹配進(jìn)行了探討。但這些方法大都是面向通用服務(wù)領(lǐng)域，尚未顧及到遙感處理服務(wù)的領(lǐng)域特征，并不能滿足遙感處理服務(wù)匹配的需求。文獻(xiàn)[11,12]雖然對遙感信息服務(wù)組合中的語義匹配進(jìn)行了研究，但是在服務(wù)組合時(shí)，只考慮到服務(wù)間的完全匹配，忽略了包含匹配、交叉匹配等復(fù)雜情形，在實(shí)際的服務(wù)組合中存在一定的局限性。

針對上述問題，本文通過分析遙感處理服務(wù)的領(lǐng)域特征，總結(jié)了面向服務(wù)組合的遙感處理服務(wù)語義匹配類別，并給出了不同語義匹配類別的判別方法，以此為基礎(chǔ)構(gòu)建了服務(wù)間不同類型的前驅(qū)/后繼關(guān)系，提出了一種基于后繼服務(wù)查找的遙感處理服務(wù)組合方法。

1 遙感信息處理服務(wù)的語義匹配類別

面向服務(wù)組合的服務(wù)匹配主要分為3個(gè)層次：1)用戶輸入請求與服務(wù)輸入的語義匹配，根據(jù)用戶需求匹配到初始服務(wù)(InputMatch)；2)服務(wù)間語義匹配，前驅(qū)服務(wù)輸出與后繼服務(wù)輸入的語義匹配(IOMatch)；3)用戶輸出請求與服務(wù)輸出的語義匹配，根據(jù)用戶的期望輸出匹配到結(jié)尾服務(wù)(OutputMatch)。其中，服務(wù)間語義匹配的種類相對復(fù)雜，如何根據(jù)已知的服務(wù)快速找到與之合作的服務(wù)是服務(wù)動(dòng)態(tài)組合準(zhǔn)確與否的關(guān)鍵，本文主要探討服務(wù)間語義匹配在服務(wù)組合中的應(yīng)用。

就本質(zhì)而言，服務(wù)間語義匹配是由前驅(qū)服務(wù)的輸出參數(shù)與后繼服務(wù)的輸入?yún)?shù)間的語義匹配所決定的。因此，借鑒文獻(xiàn)[8]定義的概念之間的匹配等級，本文將面向遙感處理服務(wù)組合的服務(wù)語義匹配總結(jié)為5個(gè)類別：完全匹配(exact)、前驅(qū)包含匹配(presubsume)、后繼包含匹配(seqsubsume)、交叉匹配(plugin)、不匹配(fail)。以影像變化檢測服務(wù)鏈為例對服務(wù)間的語義匹配類別進(jìn)行說明，圖1中服務(wù)A、B、C、D、E、F分別代表變化強(qiáng)度計(jì)算服務(wù)、變化閾值選取服務(wù)、影像掩膜服務(wù)、變化區(qū)域的監(jiān)督分類服務(wù)、樣本選取服務(wù)、不變區(qū)域的非監(jiān)督分類服務(wù)。在該例中A與B為完全匹配，C與F為前驅(qū)包含匹配，E與D為后繼包含匹配，C與D為交叉匹配。

圖1 遙感處理服務(wù)的語義匹配類別

Fig.1 Semantic matching categories of processing service

不同于通用領(lǐng)域的服務(wù)匹配，遙感信息處理服務(wù)語義匹配具有領(lǐng)域特殊性。首先，遙感數(shù)據(jù)具有多樣性，體現(xiàn)為具有多空間分辨率、多光譜、多時(shí)相等屬性特點(diǎn)；其次是遙感處理服務(wù)的復(fù)雜性，涉及多類處理服務(wù)如數(shù)據(jù)預(yù)處理服務(wù)、變化檢測服務(wù)、影像分類服務(wù)等。而某一功能類的遙感處理服務(wù)并不具備處理所有類型遙感數(shù)據(jù)的能力，服務(wù)具有其特定的適用范圍，與普通服務(wù)相比，服務(wù)與數(shù)據(jù)以及服務(wù)與服務(wù)間的耦合程度較高，業(yè)務(wù)邏輯關(guān)系緊密。

因此，傳統(tǒng)的服務(wù)語義匹配方法并不完全適用于遙感處理服務(wù)的語義匹配，具體體現(xiàn)在以下兩方面。首先遙感處理服務(wù)間語義匹配不僅需要參數(shù)的類別匹配，還需要參數(shù)的屬性匹配。例如，某一輻射糾正服務(wù)的輸出參數(shù)為2個(gè)影像數(shù)據(jù)，某一變化檢測服務(wù)的輸入數(shù)據(jù)為2個(gè)影像數(shù)據(jù)。單從參數(shù)的語義類別來看，兩者都為影像數(shù)據(jù)，該輻射糾正服務(wù)與變化檢測服務(wù)應(yīng)為完全匹配。但該輻射糾正服務(wù)的影像數(shù)據(jù)空間分辨率為30 m，而該變化檢測服務(wù)要求的影像數(shù)據(jù)空間分辨率為250 m，兩服務(wù)的語義匹配類別并不是完全匹配。再者，對于擁有多個(gè)輸入輸出參數(shù)的遙感處理服務(wù)而言，僅根據(jù)參數(shù)的語義類別、類別屬性并不能準(zhǔn)確判斷出服務(wù)間的匹配關(guān)系，往往還需要根據(jù)參數(shù)屬性關(guān)系的一致性來判斷是否匹配。例如，某一輻射糾正服務(wù)的輸出參數(shù)為2個(gè)影像數(shù)據(jù)，其空間分辨率為30 m，某一變化檢測的輸入數(shù)據(jù)為2個(gè)影像數(shù)據(jù)，空間分辨率也為30 m。但由于該輻射糾正服務(wù)輸出數(shù)據(jù)的空間范圍不一致，而變化檢測服務(wù)要求輸入數(shù)據(jù)的空間范圍必須一致。因此，兩服務(wù)的語義匹配類別也不是完全匹配。

結(jié)合遙感處理服務(wù)領(lǐng)域的特殊性，本文采取的服務(wù)間語義匹配策略是對三方面語義匹配結(jié)果的綜合：前驅(qū)服務(wù)輸出參數(shù)與后繼服務(wù)輸入?yún)?shù)類別匹配、參數(shù)屬性的匹配以及參數(shù)之間屬性是否一致的匹配。假設(shè)前驅(qū)服務(wù)為PreWS，其輸出參數(shù)為Output，Output={output1,…,outputn}；后繼服務(wù)為SeqWS，其輸入?yún)?shù)為Input，Input={input1,…,inputm}，5種類別的判別方法如表1所示。其中，inputi=outputj需要同時(shí)滿足：1)inputi.type=outputj.type；2)inputi.propety=outputj.propety。

表1 遙感處理服務(wù)匹配類別的判別

Table 1 Discrimination of the semantic matching categories

服務(wù)匹配類別判別方法完全匹配Output=Input需要同時(shí)滿足以下條件：1、?inputi∈SeqWS，都有?outputj∈PreWS，且inputi=outputj；2、?outputi∈PreWS，都有?inputj∈SeqWS，且outputi=inputj；3、Output．consistency=Input．consistency前驅(qū)包含匹配Output?Input，即：?inputi∈SeqWS，都有?outputj∈PreWS，且inputi=outputj后繼包含匹配Input?Output，即：?outputi∈PreWS，都有?inputj∈SeqWS，且outputi=inputj交叉匹配同時(shí)滿足以下條件：1、?inputi∈SeqWS，?outputj∈PreWS，使得inputi=outputj；2、?inputi∈SeqWS，?outputj∈PreWS，使得inputi≠outputj匹配失敗其他情況

2 基于后繼服務(wù)查找的遙感處理服務(wù)組合方法

目前大多數(shù)的遙感處理服務(wù)組合只考慮了鏈?zhǔn)角樾?，即服?wù)之間為完全匹配，并沒有考慮到復(fù)雜的包含、交叉匹配等類別。在遙感處理服務(wù)的組合過程中存在一定的局限性，例如監(jiān)督分類服務(wù)除了影像預(yù)處理服務(wù)外，還需要借助樣本選取服務(wù)才能執(zhí)行，影像處理服務(wù)與監(jiān)督分類服務(wù)的語義匹配則為包含匹配。因此，在遙感處理服務(wù)組合時(shí)，應(yīng)充分考慮服務(wù)匹配的不同情形。本文以用戶的請求為目標(biāo)驅(qū)動(dòng)，找到與用戶輸入請求完全匹配的處理服務(wù)作為起始服務(wù)，然后根據(jù)服務(wù)間的語義匹配判斷服務(wù)間的前驅(qū)/后繼關(guān)系，不斷地尋找后繼服務(wù)，直到后繼服務(wù)與用戶輸出請求完全匹配為止，基于后繼服務(wù)查找的服務(wù)組合示意圖如圖2所示。

圖2 基于后繼服務(wù)查找的服務(wù)組合示意

Fig.2 Service composition based on subsequent service finding

為了便于快捷地查找后繼服務(wù)，本文設(shè)計(jì)了一個(gè)Hash表SequenceWSList，用于存放每一次查找到的后繼服務(wù)。另外，針對服務(wù)間后繼匹配的情形，設(shè)計(jì)一個(gè)用于存放這些缺失信息的Hash表PartPreWSList。同時(shí)，為了便于最后服務(wù)路徑的查找，給每個(gè)服務(wù)增加start、sequence、end屬性，分別用于記錄該服務(wù)是否為初始服務(wù)、該服務(wù)的后繼服務(wù)以及該服務(wù)是否為結(jié)尾服務(wù)，具體步驟如下：

步驟1： 查找與用戶輸入匹配的服務(wù)InputRWS，并將其start屬性設(shè)為true；

步驟2： 根據(jù)服務(wù)語義匹配類別判別方法，找到與InputRWS輸出匹配的服務(wù)SeqRWS，將InputRWS的 sequence屬性記為SeqRWS；

步驟3： 判斷InputRWS與SeqRWS的關(guān)系，若為完全匹配關(guān)系，則將SeqRWS存入SequenceWSList；若為前驅(qū)包含匹配，繼續(xù)查找InputRWS的其他后繼服務(wù)SeqRWS_else，將查找到的所有后繼服務(wù)存入SequenceWSList，并將其添加到InputRWS的sequence屬性中；若為后繼包含匹配，則查找SeqRWS的其他前驅(qū)服務(wù)PeqRWS，將SeqRWS存入SequenceWSList，將PreRWS存入PartPreWSList；若為交叉匹配，則同時(shí)查找InputRWS的其他后繼服務(wù)SeqRWS_else以及SeqRWS的其他前驅(qū)服務(wù)PreRWS，將SeqRWS_else存入SequenceWSList，并將SeqRWS_else添加到InputRWS的sequence屬性中，PreRWS存入PartPreWSList；

步驟4：將SequenceWSList中的服務(wù)逐一取出，判斷服務(wù)的輸出與用戶輸出請求是否匹配，若該值為true，將該服務(wù)的end屬性設(shè)為true，從start服務(wù)開始順次連接sequence屬性中的服務(wù)直到end服務(wù)得到服務(wù)組合方案；否則轉(zhuǎn)到步驟2，繼續(xù)查找SequenceWSList中每一服務(wù)的后繼服務(wù)?；诤罄^服務(wù)查找的服務(wù)組合算法的流程如圖3所示。

圖3 基于前驅(qū)/后繼關(guān)系的服務(wù)組合算法流程

Fig.3 Flowchart of the proposed method of service composition

3 實(shí)驗(yàn)分析

為驗(yàn)證本文算法的有效性，利用Web2.0技術(shù)搭建了一個(gè)遙感處理服務(wù)組合實(shí)驗(yàn)原型系統(tǒng)。服務(wù)端采用W3C標(biāo)準(zhǔn)對基于ENVI IDL二次開發(fā)的遙感處理算法進(jìn)行服務(wù)發(fā)布，客戶端采用基于jQuery與Ajax的動(dòng)態(tài)頁面搭建方式，使用myflow插件實(shí)現(xiàn)服務(wù)組合路徑圖的在線繪制。在實(shí)驗(yàn)原型系統(tǒng)的基礎(chǔ)上，以遙感影像變化檢測為例，說明基于本文算法的遙感信息處理服務(wù)組合過程。遙感影像的變化檢測是根據(jù)對同一物體或現(xiàn)象不同時(shí)間的影像對比來確定其不同的處理過程，變化檢測方法分為直接比較法、分類后比較法、時(shí)間序列分析法等。為了保證變化檢測的準(zhǔn)確性，在變化檢測前，往往需要對兩期影像做數(shù)據(jù)配準(zhǔn)處理，確保其空間位置的一致性。本例中用戶由于某種應(yīng)用需求，想要得到濟(jì)南市2010-2013年的地表覆蓋變化狀況。目前該用戶所擁有的數(shù)據(jù)為2010年和2013年的原始影像數(shù)據(jù)以及2010年的地表覆蓋分類數(shù)據(jù)，期望通過處理服務(wù)的組合得到濟(jì)南市的地表覆蓋變化區(qū)域，并獲知變化區(qū)域的變化類別。案例中的數(shù)據(jù)信息如表2所示，封裝的相關(guān)遙感處理服務(wù)如表3所示。

表2 用于變化檢測的用戶請求數(shù)據(jù)信息

Table 2 Data used in change detection

數(shù)據(jù)序號數(shù)據(jù)描述數(shù)據(jù)狀況d12010年原始影像輸入數(shù)據(jù)d22013年原始影像輸入數(shù)據(jù)d32010年地表覆蓋數(shù)據(jù)輸入數(shù)據(jù)d42010-2013年變化區(qū)域期望數(shù)據(jù)d52010-2013年變化區(qū)域的變化類別期望數(shù)據(jù)

表3 可用的遙感處理服務(wù)信息

Table 3 Processing services used in change detection

序號服務(wù)名稱輸入數(shù)據(jù)輸出數(shù)據(jù)RWS1數(shù)據(jù)配準(zhǔn)原始影像輻射糾正后影像RWS2差值法配準(zhǔn)處理影像變化/不變區(qū)域圖像RWS3SGD配準(zhǔn)處理影像變化/不變區(qū)域圖像RWS4MLC影像、樣本數(shù)據(jù)地表覆蓋分類圖像RWS5分類樣本選取影像、地表覆蓋分類圖像樣本數(shù)據(jù)

首先根據(jù)用戶輸入輸出請求與服務(wù)的匹配，找到滿足用戶需求的起始服務(wù)和結(jié)尾服務(wù)，分別將其start屬性和end屬性設(shè)為true；然后根據(jù)服務(wù)間的語義匹配類別，填充服務(wù)的sequence屬性，如表4所示。其中，RWS1與RWS2為完全匹配，RWS3與RWS4為交叉匹配，RWS5與RWS4為后繼包含匹配。得到服務(wù)間前驅(qū)/后繼關(guān)系表后，順次連接起始服務(wù)、sequence、結(jié)尾服務(wù)即為服務(wù)組合路徑。

表4 基于服務(wù)語義匹配的前驅(qū)/后繼關(guān)系

Table 4 precursor/subsequent based on matching categories

序號startsequenceendRWS1trueRWS2、RWS3falseRWS2falseRWS4、RWS5falseRWS3falseRWS4、RWS5trueRWS4falseNulltrueRWS5falseRWS4false

根據(jù)用戶請求以及服務(wù)間的前驅(qū)/后繼關(guān)系，往往會(huì)構(gòu)建出多條服務(wù)組合方案，此時(shí)可根據(jù)經(jīng)驗(yàn)或服務(wù)質(zhì)量選取最優(yōu)的服務(wù)組合路徑。在此案例中，可得到兩條滿足用戶需求的服務(wù)組合路徑，在變化強(qiáng)度計(jì)算服務(wù)(RWS3，RWS4)的選取上，由于SGD服務(wù)是根據(jù)波段的斜率差異計(jì)算變化區(qū)域，相比差值法服務(wù)而言，能在一定程度上克服由于季相差異引起的偽變化[13]。因此，選擇SGD服務(wù)(RWS3)作為變化強(qiáng)度計(jì)算服務(wù)。最終的服務(wù)組合方案如圖4所示，首先兩期影像做幾何配準(zhǔn)處理，然后對配準(zhǔn)后的影像作基于SGD的變化檢測，得到變化區(qū)域和不變區(qū)域，通過在2010年地表覆蓋數(shù)據(jù)上選取的樣本對變化區(qū)域作基于MLC的影像分類，最終得到變化區(qū)域的變化類別。

Fig.4 Change detection service composition plan

4 結(jié)論

本文在分析通用領(lǐng)域服務(wù)匹配的基礎(chǔ)上，結(jié)合遙感處理服務(wù)的領(lǐng)域特征，提出了一種顧及服務(wù)匹配類別的遙感處理服務(wù)組合方法。該方法在服務(wù)組合時(shí)綜合考慮了服務(wù)間完全匹配、前驅(qū)包含匹配、后繼包含匹配、交叉匹配等不同情形，避免了傳統(tǒng)遙感處理服務(wù)組合時(shí)只針對服務(wù)間完全匹配的情形所帶來的局限性，最后通過實(shí)際的應(yīng)用案例證明了該方法的有效性。然而，基于本文算法往往會(huì)產(chǎn)生多種滿足用戶需求的服務(wù)組合路徑，如何基于服務(wù)質(zhì)量和用戶偏好進(jìn)行遙感處理服務(wù)組合的優(yōu)選將是下一步的研究方向。

[1] ZHAO P,FOERSTER T,YUE,P.The geoprocessing web[J].Computers & Geosciences,2012,47:3-12.

[2] 陳軍,武昊,李松年,等.面向大數(shù)據(jù)時(shí)代的地表覆蓋動(dòng)態(tài)服務(wù)計(jì)算[J].測繪科學(xué)技術(shù)學(xué)報(bào),2013,30(4):369-374.

[3] YUE P,DI L,YANG W,et al.Semantics-based automatic composition of geospatial Web service chains[J].Computers & Geosciences,2007,33(5):649-665.

[4] 張佩云,黃波,孫亞民.面向服務(wù)組合的服務(wù)語義匹配機(jī)制[J].電子科技大學(xué)學(xué)報(bào),2008,37(6):917.

[5] BERNSTEIN A,KLEIN M.Towards high-precision service retrieval[A].The Semantic Web—ISWC 2002[C].Springer,2002.84-101.

[6] 張佩云,黃波,孫亞民.基于語義匹配和QoS的Web服務(wù)混合選擇方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2008,33(5):537-541.

[7] LI L,HORROCKS I.A software framework for matchmaking based on semantic web technology[J].International Journal of Electronic Commerce,2004,8(4):39-60.

[8] PAOLUCCI M,KAWAMURA T,PAYNE T R,et al.Semantic matching of web services capabilities[A].The Semantic Web—ISWC 2002[C].Springer,2002.333-347.

[9] AGARWAL S,STUDER R.Automatic matchmaking of web services[A].Web Services,ICWS′06[C].2006.45-54.

[10] 蔣運(yùn)承,湯庸,鄧培民.基于有限狀態(tài)自動(dòng)機(jī)的服務(wù)組合模型[J].智能系統(tǒng)學(xué)報(bào),2006,1(2):48-57.

[11] 朱慶,楊曉霞,李海峰.基于語義匹配的遙感信息處理服務(wù)組合方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2010,35(4):384-387.

[12] 羅安,王艷東,龔健雅.顧及上下文的空間信息服務(wù)組合語義匹配方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2011,36(3):368-372.

[13] CHEN J,LU M,CHEN X,et al.A spectral gradient difference based approach for land cover change detection[J].ISPRS Journal of Photogrammetry and Remote Sensing,2013,85:1-12.

Remotely Sensed Processing Service Composition Concerning Semantic Matching Categories

XING Hua-qiao1,2,WU Hao2,HOU Miao-le3,HOU Dong-yang2,4

(1．CollegeofGeoscienceandSurveyingEngineering,ChinaUniversityofMiningandTechnology(Beijing),Beijing100083;2.NationalGeomaticsCenterofChina,Beijing100830; 3.BeijingUniversityofCivilEngineeringandArchitecture,Beijing100044;4．ChinaUniversityofMiningandTechnology,Xuzhou221116,China)

Traditional methods of remotely sensed processing service composition only consider exact semantic matching,while ignore the complicate matching categories such as subsume and plugin.Aiming at this problem,a composition method is proposed concerning semantic matching categories.Firstly,the semantic matching categories are defined as exact,presubsume,subsubsume,plugin and fail,and then a method is presented for identifying different categories of semantic matching according to the field characteristics of the remote sensed processing services.Secondly,different relation types of precursor/subsequent are built based on the semantic matching categories,and a service composition method is developed based on subsequent services finding.Finally,an experiment case of web-based imagery change detection is conducted for proving the effectiveness of the method proposed in this paper.

remotely sensed processing service;service semantic matching;service composition;semantic matching category

2015-04-03；

2015-05-28

國家自然科學(xué)基金項(xiàng)目(41301412)

邢華橋(1988-)，男，博士研究生，主要研究方向?yàn)榈乇砀采w服務(wù)計(jì)算、全球離散格網(wǎng)。E-mail:xinghuaqiao@126.com

10.3969/j.issn.1672-0504.2015.05.007

TP79

A

1672-0504(2015)05-0030-04