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。     

全局寻优的矢量道路网自动匹配方法研究

对道路之间存在1:N匹配关系的矢量道路网自动匹配问题进行研究.针对现有方法中大多数是基于局部寻优策略来寻找匹配道路,当同名道路存在较大距离偏差.又存在1:N匹配关系时,很容易导致误匹配的问题,改局部寻优策略为全局寻优策略,通过综合利用道路结点和道路弧段的特征信息,建立道路网匹配的最优化模型,并利用概率松弛法求解最优解,从而获得道路结点的匹配关系,以此为基础再获得道路弧段之间的匹配关系.试验表明:本文方法更具全局一致性,具有较高的准确率;即使在同名道路存在较大位置偏差甚至是非均匀偏差时,也可取得较为满意的结果,避免各种局部寻优方法难以准确设定权值的难题.     

一种基于层次路划结构关系约束的矢量道路网自动匹配方法

从人在识别同名道路时的视觉注意机制入手,提出一种基于层次路划结构关系约束的城市路网自动匹配方法。该方法遵循从突出到一般的原则,利用道路自然延伸形态模式构造比"路段"粒度更大的要素单元"路划",首先计算较大粒度的路划结构间的映射关系,继而结合概率松弛迭代优化机制建立结点之间的细部关系。试验结果表明:使用路划为单位进行相似性计算时,候选路划与最大参照解之间的差异率比候选路段与其最大参照解之间的差异率更为显著。在首层路划选取比例为10%时,能够保证首层路划匹配关系的稳健性,通过分层稳定参照空间与层次路划结构关系提高了对匹配关系的辨识能力,在局部结构相似而全局路划结构差异显著的区域具明显优势。     

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。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。     

道路网匹配的蚁群算法求解模型

利用蚁群算法的群体优势,寻找全局最优的道路网同名实体匹配方案。首先从几何矢量误差和结构特征两方面建立了匹配问题的数学约束模型;然后阐述了蚁群算法求解匹配问题的基本原理,设计了问题求解模型,并引入自适应和局部搜索策略提高了算法效率;最后给出了求解的关键步骤。实验证明,利用蚁群算法进行道路网匹配是有效、可行的,为求解匹配问题提供了新思路。     

基于SURF算法的高分辨率区域遥感影像全自动匹配

航拍场区高分辨率遥感影像的自动化处理是遥感影像处理和计算机视觉中最关键的瓶颈问题。在简要分析航拍场区高分辨率遥感影像自动匹配面临问题的基础上,设计并实现了一套区域遥感影像的全自动匹配方法:在建立场区多幅高分辨率影像之间拓扑框架的基础上,优化了SURF匹配算法的匹配和搜索策略,设计了多幅影像间数值拓扑关系模型和自动扩散传递方法,并推导了全局拓扑约束关系与局部影像对之间匹配预测关系的转化,实现了航拍场区高分辨率遥感影像全自动匹配和全局修复。大量试验表明,本文方法的稳健性强,可靠性高,实现了场区多幅高分辨率遥感影像的高精度全自动匹配。     

运动平滑与核线约束的特征匹配提纯算法

针对基于最近邻距离比率约束和几何条件约束的影像特征匹配方法,在处理重复纹理影像以及视角和尺度变化大的宽基线影像时,存在匹配正确率低和匹配点对数量少的问题,设计了结合运动平滑约束与核线约束的AKAZE特征匹配提纯算法。①为提高影像特征的不变性、显著性和时效性,采用AKAZE算子提取影像特征,经暴力匹配快速构建初始匹配集;②基于网格运动统计区分真假匹配,剔除不能满足运动平滑约束的匹配点对;③为消除局部相似特征引起的误匹配,采用核线约束提高匹配纯度。实验结果表明:所提算法实现了重复纹理影像、倾斜影像和宽基线影像同名点对的高精度匹配,增加了匹配点对数量,拓展了特征匹配的适用范围。     

稀疏点云引导的航空影像数字表面模型生成方法

密集匹配是生成数字表面模型的核心步骤,但在纹理缺乏、视差断裂和光照不一致等区域容易匹配失败。为了提高密集匹配结果的精度,提出一种稀疏点云引导(sparse point cloud guidance, SPCG)的航空影像数字表面模型生成方法,旨在利用空三加密的稀疏点云约束影像的密集匹配。首先,通过稀疏点云引导的方式,选择具有良好几何配置、高重叠度和高覆盖率的立体影像对;然后,利用最近邻聚类和金字塔传播方法,扩充稀疏点云的数量;进一步,采用改进的高斯函数优化扩展点的匹配代价,以提高密集匹配结果的准确性;最后,将多个密集匹配点云融合,生成数字表面模型。模拟立体影像和真实航空立体影像的实验表明,SPCG方法优化的半全局匹配显著提升了原始半全局匹配算法的匹配准确性,具体数值表现如下：半全局匹配生成的视差图与真实视差的差值大于1、2或3个像素的百分比分别为46.72%、32.83%或27.32%,而SPCG方法优化的半全局匹配相比于半全局匹配分别下降了7.67%、9.75%或10.28%。此外,相比于高斯方法优化的半全局匹配和深度学习方法金字塔立体匹配网络,SPCG方法优化的半全局匹配具有最高的...     

采用Stroke层次结构模型的道路网匹配方法

地理空间信息时刻处于变化之中,道路网变化尤其明显。如何确保道路数据的现势性成为重要研究课题。每条道路往往由多条弧段组成,目前的匹配算法大多对离散弧段单独匹配,而没有把每条道路作为一个整体进行匹配,导致即使是同一条道路,往往也存在局部匹配错误的情形。本文提出了基于Stroke层次结构模型的城市道路网匹配新方法。该方法采用Stroke技术把离散的道路弧段构建为完整的道路,亦即Stroke;进一步对Stroke进行分类分级,进而构建不同层次Stroke之间的关联匹配准则;最后采取由高等级Stroke到低等级Stroke逐级匹配、并以高等级Stroke约束较低等级Stroke匹配的方法与顺序,依次完成整个道路网之间的匹配过程。该算法的优势在于:把离散的道路弧段转化为整条Stroke进行整体匹配,避免了局部因素的影响;以高等级Stroke约束较低等级Stroke匹配,层层约束,算法运算效率与匹配正确率显著提高。     

An improved probabilistic relaxation method for matching multi-scale road networks

Matching multi-scale road networks in the same area is the first step in merging two road networks or updating one based upon the other. The quality of the merge or update depends greatly on the matching accuracy of the two road networks. We propose an improved probabilistic relaxation method, considering both local and global optimizations for matching multi-scale of road networks. The aim is to achieve local optimization, as well as to address the identification of the M:N matching pattern by means of inserting virtual nodes to achieve global optimization effects. Then, by adding two attribute-related evaluation indicators, we developed four evaluation indicators to evaluate the matching accuracy, considering both geographic and attribute information. This paper also provides instructions on how to identify the proper buffer threshold during matching procedures. Extensive experiments were conducted to compare the proposed method with the traditional approach. The results indicate that: (1) the overall matching accuracy of each evaluation indicator exceeds 90%; (2) the overall matching accuracy increases by 6–12% after an M:N matching pattern is added, and by 4–6% following the addition of topology indicators; and (3) the proper buffer threshold is about twice the average value of the closest distance from all nodes.     

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。     

A Pattern‐Based Approach for Matching Nodes in Heterogeneous Urban Road Networks

This article presents an approach to hierarchical matching of nodes in heterogeneous road networks in the same urban area. Heterogeneous road networks not only exist at different levels of detail (LoD), but also have different coordinate systems, leading to difficulties in matching and integrating them. To overcome these difficulties, a pattern‐based method was implemented. Based on the authors' previous work on detecting patterns of divided highways, complex road junctions, and strokes to eliminate the LoD effect of road networks, the proposed method extracts the local networks around each node in a road network and uses them as the matching units for the nodes. Second, the degree of shape similarity between the matching units is measured using a Minimum Road Edit Distance based on a transformation. Finally, the proposed method hierarchically matches the nodes in a road network using the Minimum Road Edit Distance and eliminates false matching nodes using M‐estimators. An experiment involving matching heterogeneous road networks with different LoDs and coordinate systems was carried out to verify the validity of the proposed method. The method achieves good and effective matching regardless of differences in LoDs and road‐network coordinate systems.     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

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。     

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.     

顾及邻域结构的线状要素Morphing方法

地图综合过程中,综合前后图形轮廓上两点间的绝对距离可能会发生很大改变,但是点的邻域结构和上下文信息相对保持稳定。基于此,首先提出一种结合形状上下文和松弛标记法的形状匹配方法,通过全局形状描述子形状上下文来描述点集的不变特征;然后将点集间形状上下文的统计检验匹配代价转化为松弛标记法的初始匹配概率,接着通过迭代支持度函数更新匹配概率,直到建立最优匹配;最后根据点集的匹配关系,得到相应的匹配线段,通过线性插值实现要素的连续尺度变换。实验结果表明,该方法不仅能够很好地顾及要素的上下文信息,而且也能顾及到邻域结构特征,提高Morphing变换的精度。     

A multi‐criteria decision‐making approach for geometric matching of areal objects

We propose a method for geometric areal object matching based on multi‐criteria decision making. To enable this method, we focused on determining the matched areal object pairs that have all relations, one‐to‐one relationships to many‐to‐many relationships, in different spatial data sets by fusing geometric criteria without user invention. First, we identified candidate corresponding areal object pairs with a graph‐based approach in training data. Second, three matching criteria (areal hausdorff distance, intersection ratio, and turning function distance) were calculated in candidate corresponding pairs and these criteria were normalized. Third, the shape similarity was calculated by weighted linear combination using the normalized matching criteria (similarities) with the criteria importance through intercriteria correlation method. Fourth, a threshold (0.738) of the shape similarity estimated in the plot of precision versus recall versus all possible thresholds of training data was applied, and the matched pairs were determined and identified. Finally, we visually validated the detection of similar areal feature pairs and conducted statistical evaluation using precision, recall, and F‐measure values from a confusion matrix. Their values were 0.905, 0.848, and 0.876, respectively. These results validate that the proposed classifier, which detects 87.6% of matched areal pairs, is highly accurate.