一种用于空间数据整合的建筑物面实体对齐方法

提出了一种用于空间数据整合的建筑物面实体对齐方法,可用来改善空间数据的位置精度。首先,采用基于最小外接矩形（minimum bounding rectangle,MBR）组合优化算法的匹配方法识别整合数据之间的同名实体;然后,提出基于几何相似性的成对约束谱匹配算法检测1:1、1:N和M:N同名实体之间的共轭点对;针对1:N和M:N匹配中不可避免存在弱对应点对和错误对应点对的问题,提出基于IGG1权重的最小二乘法来有效对齐同名实体。将所提出的方法应用于对齐较高位置精度的基础测绘地图数据和较低位置精度的谷歌地图数据中,结果表明,该方法不仅可检测存在复杂轮廓对应的1:N和M:N同名实体的共轭点对,而且可实现它们之间的有效对齐,使同名实体的位置信息差异最小化。     

利用几何矩和叠置分析进行多尺度面要素自动匹配

针对地图中重要的面要素的自动匹配问题进行了研究。由于在实际情况中,多尺度同名面要素在位置上可能偏差较大,又存在非一对一的匹配关系,现有的方法均难以进行有效匹配。为解决这个问题,首先提取面要素的全局形状特征,并给出了一种快速获取候选匹配面要素组合的方法,然后利用几何矩获取面要素组合的质心,在将待匹配面要素与组合面要素的质心相互重合后,通过计算重叠相似度来判定多尺度面要素之间的匹配关系。实验表明,本文方法即使在同名面要素存在较大位置偏差,甚至非均匀位置偏差时,仍可有效地处理面要素的一对一和一对多两种匹配关系,从而拓展了面要素匹配方法的适用范围,降低了对外界条件的要求和限制。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

多尺度地图面目标匹配的统一规则研究

以居民地为例,通过求较小比例尺面目标的最小外接矩形(MBR),将与该MBR交集非空的较大比例尺面目标进行分析判断,构建候选匹配集。在此基础上,通过分析各匹配模式的特点,制定相应的判断规则,提出了较为完整、统一的适用于多尺度矢量空间面目标的几何匹配解决方案。实验结果证明了该方法的有效性和实用性。     

利用概率松弛法的城市路网自动匹配

多源空间数据匹配是空间数据集成与互操作,变化检测与数据更新的重要前提。路网数据匹配在导航、智能交通和基于位置服务等领域具有重要的研究意义和实用价值。本文提出一种基于概率松弛方法的城市路网自动匹配方法,该方法首先通过路段间几何差异性估算候选路段的初始概率,然后根据邻接候选匹配路段的兼容性不断更新原概率矩阵直到收敛于某一极小值。最后基于收敛的概率矩阵计算各候选路段的结构相似性,并通过设定相应的规则选取和提炼1: 1, 1: M和M: N匹配对。实验选取中国武汉,瑞士苏黎世地区的OpenStreetMap数据与导航数据进行匹配算法的验证。结果表明：本文算法对非刚性偏差较大的路网数据能达到较高精度,不存在匹配方向性问题,且能够识别1: 0, 1: M和M: N匹配。     

基于骨架化和蜘蛛编码的面状实体匹配方法研究

同名面实体在不同来源的地图数据库中的矛盾性表达致使相关领域的研究出现诸多瓶颈问题,由此实体匹配作为基础研究成为首要解决的关键问题,本文采用两阶段匹配策略实现面实体匹配,预匹配中通过面积相异度进行初步判定,终匹配时先对面状实体进行骨架化从而降低点和线的维度,再用基于蜘蛛编码的方法实现匹配。最终实现的匹配算法由大比例尺地图数据库中的房产图和地形图进行匹配实验,结果证明了该算法的匹配效率和准确度。     

同名边界点的面状居民地要素匹配

针对空间数据集成与地图增量更新过程中的面实体匹配环节,该文提出利用同名边界点集进行面状居民地要素匹配的方法。该方法从边界点的相似性考虑面状居民地要素的相似性,通过计算候选匹配要素上边界点在位置、转角、关联边等方面的一致性,把面实体相似性的比较转换为同名要素边界点集相似性的比较,简化了面状居民地实体匹配的复杂度。在面状居民地要素的匹配过程中,该文方法可以处理一对一、一对多和多对一的匹配关系。实验证明,该方法在匹配面状居民地要素时,准确率可以达到98%。     

多尺度面实体的匹配方法研究

从多尺度面实体匹配的需要出发,分析地图综合所引起的一对多、多对多匹配关系,以及不同地图综合算子给同名实体所造成的差异,将一对一匹配关系的几何相似性度量模型和非一对一匹配关系的基于重叠度的面实体匹配方法相结合,采用指标阈值自动确定方法,建立一种新的适用多尺度变化的面实体匹配方法。最后以多个比例尺的居民地为实验对象,验证本方法的可行性和有效性。     

同名边界点的面状居民地要素匹配

针对空间数据集成与地图增量更新过程中的面实体匹配环节,该文提出利用同名边界点集进行面状居民地要素匹配的方法。该方法从边界点的相似性考虑面状居民地要素的相似性,通过计算候选匹配要素上边界点在位置、转角、关联边等方面的一致性,把面实体相似性的比较转换为同名要素边界点集相似性的比较,简化了面状居民地实体匹配的复杂度。在面状居民地要素的匹配过程中,该文方法可以处理一对一、多对一和一对多的匹配关系。实验证明,该方法在匹配面状居民地要素时,准确率可以达到98%。     

同名边界点的面状居民地要素匹配

针对空间数据集成与地图增量更新过程中的面实体匹配环节,该文提出利用同名边界点集进行面状居民地要素匹配的方法。该方法从边界点的相似性考虑面状居民地要素的相似性,通过计算候选匹配要素上边界点在位置、转角、关联边等方面的一致性,把面实体相似性的比较转换为同名要素边界点集相似性的比较,简化了面状居民地实体匹配的复杂度。在面状居民地要素的匹配过程中,该文方法可以处理一对一、多对一和一对多的匹配关系。实验证明,该方法在匹配面状居民地要素时,准确率可以达到98%。     

An iterative approach based on contextual information for matching multi‐scale polygonal object datasets

Object matching facilitates spatial data integration, updating, evaluation, and management. However, data to be matched often originate from different sources and present problems with regard to positional discrepancies and different levels of detail. To resolve these problems, this article designs an iterative matching framework that effectively combines the advantages of the contextual information and an artificial neural network. The proposed method can correctly aggregate one‐to‐many (1:N) and many‐to‐many (M:N) potential matching pairs using contextual information in the presence of positional discrepancies and a high spatial distribution density. This method iteratively detects new landmark pairs (matched pairs), based on the prior landmark pairs as references, until all landmark pairs are obtained. Our approach has been experimentally validated using two topographic datasets at 1:50 and 1:10k. It outperformed a method based on a back‐propagation neural network. The precision increased by 4.5% and the recall increased by 21.6%, respectively.     

Line segment confidence region-based string matching method for map conflation

In this paper, a method to detect corresponding point pairs between polygon object pairs with a string matching method based on a confidence region model of a line segment is proposed. The optimal point edit sequence to convert the contour of a target object into that of a reference object was found by the string matching method which minimizes its total error cost, and the corresponding point pairs were derived from the edit sequence. Because a significant amount of apparent positional discrepancies between corresponding objects are caused by spatial uncertainty and their confidence region models of line segments are therefore used in the above matching process, the proposed method obtained a high F-measure for finding matching pairs. We applied this method for built-up area polygon objects in a cadastral map and a topographical map. Regardless of their different mapping and representation rules and spatial uncertainties, the proposed method with a confidence level at 0.95 showed a matching result with an F-measure of 0.894.     

基于邻近模式的多比例尺居民地松弛迭代匹配

空间目标匹配是实现多源空间信息融合、空间对象变化检测与动态更新的重要前提。针对多比例尺居民地匹配问题,提出了一种基于邻近模式的松弛迭代匹配方法。该方法首先利用缓冲区分析与空间邻近关系检测候选匹配目标与邻近模式,同时计算候选匹配目标或邻近模式间的几何相似性得到初始匹配概率矩阵;然后对邻近候选匹配对进行上下文兼容性建模,利用松弛迭代方法求解多比例尺居民地的最优匹配模型,选取匹配概率最大并满足上下文一致的候选匹配目标或邻近模式为最终匹配结果。实验结果表明,所提出的多比例尺居民地匹配方法具有较高的匹配精度,能有效克服形状轮廓同质化与非均匀性偏差问题,并准确识别1:M、M:N的复杂匹配关系。     

Identification of multi-scale corresponding object-set pairs between two polygon datasets with hierarchical co-clustering

In this paper, we propose a means of finding multi-scale corresponding object-set pairs between two polygon datasets by means of hierarchical co-clustering. This method converts the intersection-ratio-based similarities of two objects from two datasets, one from each dataset, into the objects’ proximity in a geometric space using a Laplacian-graph embedding technique. In this space, the method finds hierarchical object clusters by means of agglomerative hierarchical clustering and separates each cluster into object-set pairs according to the datasets to which the objects belong. These pairs are evaluated with a matching criterion to find geometrically corresponding object-set pairs. We applied the proposed method to the segmentation result of a composite image with 6 NDVI images and a forest inventory map. Regardless of the different origins of the datasets, the proposed method can find geometrically corresponding object-set pairs which represent hierarchical distinctive forest areas.     

局部物体块匹配的图像匹配算法

构建具有较强表达能力的图像特征是图像匹配应用的核心环节.训练孪生神经(Siamese)特征提取网络构建图像局部特征,通过图像局部特征的匹配解决整体图像匹配的问题.在图像匹配过程中,首先检测图像中包含的物体块,采用特征提取网络构建各物体块的特征表达,然后计算各物体块间的相似度,组成图像对相似矩阵,最后基于相似矩阵构建图像...     

高分辨率遥感影像场景的多尺度神经网络分类法

高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传统的卷积神经网络模型,JMCNN建立了一个具有3个不同尺度通道的端对端多尺度联合卷积网络模型,包括多通道特征提取器、多尺度特征联合和Softmax分类3个部分。首先,多通道特征提取器提取图像中、高层多尺度特征;然后,多尺度特征联合对多个通道的中、高层多尺度特征进行多次融合以增强特征表达;最后,Softmax对高层特征进行分类。本文在UC Merced和SIRI遥感数据集进行测试,试验表明JMCNN模型在特征表达和计算速度方面均有显著提高,在小样本数据量下分别达到89.3%和88.3%的识别精度。