一种基于自监督图嵌入的河网主干识别方法、装置及设备

本发明涉及地理信息科学，尤其涉及一种基于自监督图嵌入的河网主干识别方法、装置及设备。

背景技术：

1、河网是重要的自然地理要素，在地图制图表达中占据核心地位。河网主干识别旨在从复杂的河网结构中，确定一条从源头到出水口、最能代表河网整体形态和结构骨架的主干河流。识别结果对于河网骨架构建、地图综合及多要素协同表达等具有重要意义。

2、现有技术中，一类方法是基于特征的推理法。该方法在河网的汇流处，依据单一或多种特征（如累计上游长度、汇流角、支流数量等）进行局部决策，以逐步追踪并确定主干河流的走向。例如，在每个交汇点选择上游长度更长或与下游河道方向延续性更好的分支作为主干。这类方法的优点是规则明确、实现简单。然而，其决策过程是局部的，仅依赖于汇流点附近的特征，难以从全局视角评估候选主干与整个河网形态的一致性。因此，在面对局部存在长支流或密集支流的复杂河网时，容易因局部特征的干扰而产生主干偏移或误选，导致识别结果不能真正代表河网的整体骨架。

3、另一类方法引入了图神经网络技术。该方法将河网抽象为图结构，利用图神经网络学习河段的属性和拓扑关系。然而，现有的图神经网络方案多采用有监督学习模式，即需要大量已标注的河网主干数据作为训练样本。在实际应用中，人工标注河网主干成本高昂、耗时费力，且难以覆盖所有复杂多样的河网形态，导致高质量的训练样本非常稀缺。此外，若将主干识别任务简化为对每个河段节点的二分类问题（属于或不属于主干），则各节点的预测是相互独立的，可能导致最终识别出的主干路径出现断裂，无法保证其从源头到出水口的拓扑连续性。

4、综上所述，现有技术主要存在以下缺陷：基于特征推理的方法缺乏全局性，易受局部特征影响导致识别错误；而基于监督学习的图神经网络方法则严重依赖人工标注数据，且难以保证识别结果的连续性。

技术实现思路

1、本发明提供一种基于自监督图嵌入的河网主干识别方法、装置及设备，用以解决现有技术中基于特征推理的方法难以顾及全局河网形态信息，而基于监督学习的图神经网络方法又依赖人工标注样本且无法保证识别结果连续性的缺陷。

2、第一个方面，本发明提供一种基于自监督图嵌入的河网主干识别方法，包括：

3、获取具有流向信息的矢量河网数据，并对河网线要素进行预处理，得到由多个独立河段组成的河网对象集合；

4、基于所述河网对象集合构建河网有向图，并在所述河网有向图的基础上增设全局虚拟节点，形成增强图；

5、基于所述增强图，采用自适应掩码节点特征重建任务，对图编码器进行训练；

6、基于所述河网有向图生成源头至出水口的候选主干集合，并通过训练后的所述图编码器生成河网嵌入与候选主干河流嵌入；

7、计算每条所述候选主干河流嵌入与所述河网嵌入之间的相似度，并选择相似度最高的候选主干河流作为识别出的河网主干。

8、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，获取具有流向信息的矢量河网数据，并对河网线要素进行预处理，得到由多个独立河段组成的河网对象集合，包括：

9、获取具有流量信息的矢量河网数据；

10、对所述河网线要素进行拓扑检查、重复线删除、悬挂段处理、交汇点打断以及河段唯一编号赋值，得到由多个独立河段组成的河网对象集合。

11、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，基于所述河网对象集合构建河网有向图，包括：

12、将每一条独立河段映射为一个图节点；

13、基于两个所述独立河段之间地连接关系建立对应图节点之间的有向边，并整合形成河网有向图。

14、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，基于所述河网对象集合构建河网有向图之后，还包括：

15、对每个所述独立河段的图节点，提取长度、弯曲度和方向三个几何属性的初始特征，形成节点特征矩阵；

16、汇总所有所述独立河段的节点特征矩阵，记录形成所述河网有向图的特征矩阵；

17、根据所述独立河段间的汇流关系连接所述图节点，构建所述图节点的连接关系，记录为所述河网有向图的邻接矩阵。

18、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，基于所述增强图，采用自适应掩码节点特征重建任务，对图编码器进行训练，包括：

19、按照预设掩码比例从真实河段节点中随机选择部分节点作为掩码节点集合；

20、对所述掩码节点集合中的掩码节点的属性进行随机扰动，得到掩码后的节点特征矩阵；

21、将掩码后的所述增强图输入所述图编码器，设计特征重建解码器接收所述掩码节点的嵌入向量，并恢复所述掩码节点的原始几何特征；

22、通过最小化重建的所述原始几何特征与所述初始特征之间的重建损失来训练所述图编码器。

23、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，基于所述河网有向图生成源头至出水口的候选主干集合，包括：

24、将入度为0的所述图节点确定为源头，将出度为0的所述图节点确定为出水口；

25、沿水流方向枚举从任一所述源头到任一所述出水口的连续路径，形成所述候选主干集合。

26、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，通过训练后的所述图编码器生成河网嵌入与候选主干河流嵌入，包括：

27、构造带有全局虚拟节点的增强图，并将所述增强图输入训练后的所述图编码器，提取所述全局虚拟节点的嵌入作为河网嵌入；

28、保留每条候选主干河流包含的所述图节点和有向边，构造路径子图；

29、对所述路径子图引入全局虚拟节点并输入所述图编码器，得到候选主干河流嵌入。

30、根据本发明提供的一种基于自监督图嵌入的河网主干识别方法，计算每条所述候选主干河流嵌入与所述河网嵌入之间的相似度，并选择相似度最高的候选主干河流作为识别出的河网主干，包括：

31、对于每条所述候选主干河流，计算所述候选主干河流嵌入与所述河网嵌入之间的余弦相似度；

32、选择所述余弦相似度最大的候选主干河流作为河网主干。

33、第二个方面，本发明还提供一种基于自监督图嵌入的河网主干识别装置，包括：

34、采集模块，用于获取具有流向信息的矢量河网数据，并对河网线要素进行预处理，得到由多个独立河段组成的河网对象集合；

35、规划模块，用于基于所述河网对象集合构建河网有向图，并在所述河网有向图的基础上增设全局虚拟节点，形成增强图；

36、训练模块，用于基于所述增强图，采用自适应掩码节点特征重建任务，对图编码器进行训练；

37、处理模块，用于基于所述河网有向图生成源头至出水口的候选主干集合，并通过训练后的所述图编码器生成河网嵌入与候选主干河流嵌入；

38、识别模块，用于计算每条所述候选主干河流嵌入与所述河网嵌入之间的相似度，并选择相似度最高的候选主干河流作为识别出的河网主干。

39、第三个方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的基于自监督图嵌入的河网主干识别方法。

40、第四个方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一个方面所述的基于自监督图嵌入的河网主干识别方法。

41、第五个方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一个方面所述的基于自监督图嵌入的河网主干识别方法。

42、与现有技术相比，本发明具有以下有益效果：

43、1、本发明通过采用自适应掩码节点特征重建任务对图编码器进行自监督训练，使得模型能够从数据自身中学习河网的结构与几何特征，无需依赖任何人工标注的河网主干样本。这降低了方法的应用门槛，增强了其在不同区域、不同数据源和不同比例尺场景下的适用性与自动化水平。

44、2、本发明提出了一种基于全局结构相似性匹配的主干识别机制。通过增设全局虚拟节点，为整个河网和每条候选主干河流生成全局性的嵌入表示，并将主干识别问题转化为在嵌入空间中寻找与河网整体结构最相似的候选路径的问题。这种全局匹配的思路取代了传统方法在汇流处的局部决策，有助于识别出代表河网整体形态骨架的主干，有助于避免因局部长支流或复杂拓扑导致的误判。

45、3、本发明所提出的方案能够保证识别结果的拓扑连续性。该方法首先枚举生成所有从源头到出水口的连续路径作为候选主干集合，最终的识别结果是从这个集合中择优选出，而非对离散的河段进行分类。因此，避免了识别结果出现断裂的可能性，确保了最终输出的河网主干是一条完整的、符合水文逻辑的连续河流。