多尺度地理空间线状目标形状相似性的度量

本文研究了多尺度地理空间线状目标相似关系的表达与度量问题.基于Douglas-Peucker算法,通过对线状目标形状的分析,从几何学的角度,给出了衡量基本图形中折线与线段之间形状相似度的两个重要参量.按照图形特征,利用分类讨论的方法,建立了多尺度地理空间线状目标形状相似性的计算模型.最后通过实例的计算验证了该度量方法的可行性.     

线状要素多尺度表达不确定性的综合分析与评价研究

空间数据的多尺度表达和GIS数据的精度分析及质量控制问题是当今地理信息科学和国际GIS界十分关注的两大前沿课题。本文首先确立线状要素多尺度表达的实现方式;然后紧紧围绕线状要素多尺度表达的实现流程,分析线状要素多尺度表达不确定性的来源,并利用误差传播规律建立线状要素多尺度表达误差传播规律;最后通过实验得出线状要素在尺度扩展中不确定性的变化规律。     

多尺度空间对象拓扑相似关系的表达与计算

研究了空间数据多尺度表达中,在进行模型综合时空间对象拓扑关系的表达、变化和相似性。基于空间对象之间拓扑关系的概念邻域,给出了空间对象拓扑关系相似性的定义以及在数字景观模型中拓扑关系相似性的度量方法,为空间数据的多尺度表达提供了拓扑关系分析和评价手段。     

利用等距同构建立多尺度空间实体相似性度量模型

从度量几何学的观点，建立多尺度空间实体等距同构模型。将多尺度空间实体分别看作刚性图形和弹性图形，利用等距同构不变性的概念，构建多尺度空间实体几何相似性图形距离和拓扑相似性图形距离。通过统一几何和拓扑相似性图形距离，构成一个二元集值距离，作为多尺度空间实体相似性的评价指标。通过对不同复杂性的面状和线状空间实体多尺度表达图形的几何和拓扑相似性度量实验表明，该方法能同时顾及多尺度空间实体几何和拓扑结构的改变，且符合空间实体的多尺度抽象规律。     

基于小波分析的线状特征数据无级表达

利用小波分析提出了线状特征空间数据的多尺度一致性无级表达模型，研究了基于该模型获取整数尺度上的地理信息，以及通过增量、连续地增补细节来获取分数尺度上的过渡地理信息，从而获取任意尺度上不同详细程度的地理信息的方法，动态地实现了线状特征空间数据的无级表达，并给出了实验结果。     

线状地图要素的自相似性分析及其自动综合

通过线状地图要素的自相似性分析和分维估值，研究了线状地图要素的形状结构特征随量测尺度和比例尺变化的规律，并在此基础上，提出了旨在使综合过程自适应进行和保持图形形状特征的线状要素自动综合的方法。     

线状地图要素的自相似性分析及其自动综合

通过线状地图要素的自相似性分析和分维估值，研究了线状地图要素的形状结构特征随量测尺度和比例尺变化的规律，并在此基础上，提出了旨在使综合过程自适应进行和保持图形形状特征的线状要素自动综合的方法。     

面向地理实体的语义相似性度量方法及其在道路匹配中的应用

语义相似性度量是实现多源矢量空间数据集成与融合的关键技术。首先以地理实体为研究对象,从矢量空间数据表达视角对地理实体的语义信息进行分析与描述,提出基于多特征约束的语义相似性度量模型。然后该模型将地理要素分类关系作为控制条件提取目标实体集,在构建实体间语义特征对应关系的基础上引入属性特征熵的概念,计算不同特征的权重值,进而综合多特征相似性来度量地理实体的整体语义相似程度。最后将该模型应用到道路实体匹配实验中,通过计算实体之间的语义相似性实现匹配,验证了该模型的有效性。实验结果表明,基于多特征约束下的语义相似性度量模型能够合理计算地理实体的语义相似度,且提高了地理实体语义匹配效率。     

空间数据几何相似性度量理论方法与应用研究

相似性是人类感知、判别、分类和推理等认知活动的基础.空间数据相似性度量不仅是地理信息数据融合更新、空间数据检索和相似查询、空间聚类和异常探测、电子地图导航等技术的核心和基础,而且也是从更深层次探寻地理实体在不同历史时期的相似形成、演变与差异性规律,进而进行动态相似推理、相似预测和知识发现的关键.本文主要研究多源多尺度、多时相空间数据几何相似性度量理论方法及其应用,所做的主要工作及取得的成果有: (1)总结相似性科学与相似工程的研究进展,分析了几何相似性在计算机视觉和地理信息科学领域的研究现状和面临的挑战.提出了论文研究的基本思路,即:空间数据几何相似性度量模型的建立以相似性科学与工程为基础,借鉴图形图像处理方面的算法和空间关系理论,考虑到空间数据的特殊性,对上述理论方法进行大量的改进和创新.     

基于线状图形相似性的道路数据变化检测

将相似性认知的距离观与特征集合观相结合,在获得相似性图形的差异距离的基础上,提出了线状地物的几何图形相似性度量模型;通过研究空间数据变化与相似度的关系,提出了基于线状地物相似度的空间数据变化检测算法,实现了基于线状图形相似性认知的道路数据变化发现与提取.     

Quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces

Quantitative relations between spatial similarity degree and map scale change in multi-scale map spaces play important roles in map generalization and construction of spatial data infrastructure. Nevertheless, no achievements have been made regarding this issue. To fill the gap, this paper firstly proposes a model for calculating spatial similarity degrees between an individual linear object at one scale and its generalized counterpart at the other scale. Then psychological experiments are designed to validate the new model, taking four different individual linear objects at five different scales as test samples. The experiments have shown that spatial similarity degrees calculated by the new model can be accepted by a majority of the subjects. After this, it constructs a formula that can calculate spatial similarity degree using map scale change (and vice versa) for individual linear objects in multi-scale map spaces by the curve fitting method using the point data from the psychological experiments. Both the formula and the model can calculate quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces, which facilitates automation of map generalization algorithms for linear features.     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

A geometric-based approach for road matching on multi-scale datasets using a genetic algorithm

Object matching is used in various applications including conflation, data quality assessment, updating, and multi-scale analysis. The objective of matching is to identify objects referring to the same entity. This article aims to present an optimization-based linear object-matching approach in multi-scale, multi-source datasets. By taking into account geometric criteria, the proposed approach uses real coded genetic algorithm (RCGA) and sensitivity analysis to identify corresponding objects. Moreover, in this approach, any initial dependency on empirical parameters such as buffer distance, threshold of spatial similarity degree, and weights of criteria is eliminated and, instead, the optimal values for these parameters are calculated for each dataset. Volunteered geographical information (VGI) and authoritative data with different scales and sources were used to assess the efficiency of the proposed approach. According to the results, in addition to an efficient performance in various datasets, the proposed approach was able to appropriately identify the corresponding objects in these datasets by achieving higher F-Score.     

空间索引与多尺度表达的一体化模型研究

在分析各种常用索引的基础上,依据各自的适用范围,提出了对点对象建立格网索引,对线、面对象建立改进四叉树索引的组合优化策略。设计的改进四叉树索引避免了传统四叉树的重复索引,提高了数据访问的效率。     

Fourier-based multi-scale representation and progressive transmission of cartographic curves on the internet

ABSTRACT

Automatic generation of multi-scale representations from the same spatial data source has been the research focus in map generalization for a long time. Based on the Fourier technique, this paper proposes a continuous, multi-scale representation model for progressive transformation of cartographic curves on the Internet. In our method, all the curves, whether closed or open, are depicted as periodical functions which are further expressed as Fourier series. The convergence degrees of the Fourier series are explored for different kinds of curves, and truncating frequencies are derived based on the similarity between the original and reconstructed curves. Using information theory and the Radical Law in cartography, the relationship between map scales and Fourier frequencies is established. Based on the proposed multi-scale model, we also introduce the principles and implementation of a progressive transmission method. Our method is evaluated using the contours from a topographic map. The results show that our model is a valid approach to multi-scale representation of cartographic curves.     

空间数据连续尺度表达的矢量金字塔模型

连续多尺度表达是当前地图制图领域中的热点问题之一,常规地图采用多级瓦片剖分、多版本存储技术实现空间多尺度表达,存在数据量冗余、跨级别不一致、瓦片间尺度跳跃大等问题。结合传统地图综合、多尺度表达数据结构和空间索引建立等多种策略,在目标数据模型中加入尺度维和操作信息,记录地图综合的过程和尺度变换,建立空间数据矢量金字塔模型。该模型离线综合获取多级基态尺度表达数据,确定每个目标的尺度表达空间范围,并通过面向对象建模技术将目标表达状态及其纵向关联关系、算子类型及控制参量等信息封装在多尺度目标中;同时,建立一端或两端控制的尺度变换结构。基于该模型可快速获取适应用户需求的连续尺度表达状态。