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.     

基于物方影像匹配和概率松弛的断面自动提取

提出了基于物方影像匹配的断面提取,为了提高匹配的可靠性,引入了概率松弛法,最终获得了高精度的断面.     

全局与局部寻优相结合的道路网匹配方法

针对面向道路网匹配的概率松弛法约束性指标单一且无法识别M:N匹配模式的不足,从兼顾全局和局部匹配最优的角度出发,提出了从局部角度顾及几何约束和拓扑约束,从全局角度完善M:N匹配模式的改进算法,设计并实现了不同匹配模式下的匹配策略。测试结果表明,该方法的整体匹配精度和召回率提高了7%~14%,均达到90%以上;空间与属性匹配度评价指标提高了3%~7%;可将待匹配路网中最邻近结点平均距离的两倍值作为缓冲区阈值设定的参考依据,从而验证了该方法的可行性与可靠性。     

航空影像特征匹配研究

基于格网和三角网的优点,提出了一种基于特征的影像松弛匹配方法。算法利用边缘提取算子提取影像特征信息,把提取的边缘特征点分配到预定的规则格网中进行登记,同时构建特征三角网。     

利用松弛标记法进行空间场景匹配

相似性度量是地理学中的关键组成部分,被广泛应用于空间检索、空间信息整合及空间数据挖掘中。因为空间场景中实体个数的差异及空间对象间的关系难以精确相等,若执行空间场景的完全精确匹配,可能会使得检索结果为空。顾及尺度差异,从空间场景中进行空间语义理解,建立了多尺度空间场景的形式化描述模型,并提取场景中稳定的特征构建空间场景特征矩阵。建立场景间的初始匹配概率矩阵后,基于松弛标记法迭代更新概率矩阵,直到矩阵收敛于一全局最小值并确定匹配的实体对,从而进行空间场景相似性评估。采用武汉居民地域数据进行场景匹配实验,并对不同邻域搜索半径下的匹配时间及精确度进行对比与分析,实验结果表明,基于松弛标记法的空间场景匹配方法具有较高的精确度。     

道路断线自动连接的概率松弛方法

针对较为复杂的图形断线自动连接情况，提出一种基于概率松弛法的道路拐点自动连接算法，为提高几何图形处理的自动化程度开辟了一条新途径。     

道路断线自动连接的概率松弛方法

针对较为复杂的图形断线自动连接情况,提出一种基于概率松弛法的道路拐点自动连接算法,为提高几何图形处理的自动化程度开辟了一条新途径。     

径向基函数神经网络的路网自动匹配算法

针对VGI数据中检测更新的问题,该文提出基于径向基函数的神经网络自动匹配算法。通过选取路段的距离、方向、形状和长度4个空间特征的相似度作为衡量路段是否匹配的指标。考虑到4个空间特征指标对匹配的影响力不同,在RBF(radial basis function)神经网络中的隐含层对基函数引入粒度拉伸因子,使径向对称的RBF顾及各向异性。同时对输出层在线性加权求和函数的基础上引入sigmoid函数,使计算结果(路段的匹配度值)归一化。该算法对数据质量较差的VGI路网具有很好的匹配能力,与BP神经网络相比,RBF神经网络在地图匹配中具有更好的匹配效率。     

基于小波变换的松弛法影像匹配

讨论了基于小波变换的松弛法影像匹配方法。采用小波变换对影像进行分解,生成影像匹配所需要的金字塔影像结构,并在传统松弛法影像匹配视差约束的同时,兼顾线性特征的约束,从而提高了影像匹配的可靠性。     

基于神经网络的影响匹配概率松驰算法

提出了一种映射方法，使得Ｈｏｐｆｉｅｌｄ神经网络能够用于实现松驰算法。其优点在于Ｈｏｐｆｉｅｌｄ模型可由集成电路实现，因而使得基于松驰算法的影像匹配可以实时地完成，极大地提高了处理程度。     

利用多元Logistic回归进行道路网匹配

识别同名道路在多源异构道路网匹配过程中十分关键。提出了一种多元Logistic模型的道路网匹配算法。首先选取并设计了能有效综合空间与非空间信息进行道路不相似性描述与区分的三种特征,即最小方向变化角、综合中值Hausdorff距离和语义差异三种不相似性特征,然后利用此三项特征结合多元Logistic回归模型构建准确的道路网匹配模型。利用该模型对道路网中待匹配道路进行匹配概率预测,从而获取道路的匹配结果,实现路网匹配。实验结果表明,本文方法避免了组合特征精确权值与阈值的设定,并能有效解决匹配结果对单元变量过于依赖的问题,具有良好的适应性、较高的准确率和召回率。     

多尺度道路网的距离匹配算法研究

根据道路网折线的匹配特点,提出基于格网索引的折线——结点距离匹配算法,将复杂的折线与折线之间的几何相似度计算转换为求结点到折线距离的匹配方法,降低了计算复杂度,并通过建立格网索引来提高计算效率。在应用实例中,采用曲线拟合的最小二乘法确定算法的匹配容差和匹配成功率之间的关系,并通过与现有统计匹配算法比较,可知该算法效率高且匹配成功率较理想,能够满足多尺度道路网数据匹配的应用需求。     

采用层次分析法的道路网整体匹配方法

道路网变化较快,对其匹配和更新受到广泛关注。目前道路网匹配算法多集中于离散弧段间的匹配,匹配整体性不强,匹配精度不高。本文在分析道路匹配关系的基础上,借鉴人类认知客观世界从整体到局部的思想,对离散道路弧段通过Stroke模型进行聚合处理,然后采用线、面相对位置关系探测候选匹配集,进行道路筛选及整体匹配。针对当前匹配方法中各相似权值确定较为随意的问题,本文在分析各相似指标关系的基础上,借鉴层次分析法中的决策思维方式,对道路网匹配中的各相似指标进行定性和定量分析,并自动分配权值,进而根据获得的整体相似度来自动匹配。实验结果表明,采用层次分析法进行道路网整体匹配,可有效提高匹配效率、正确率及自动化水平。     

基于概率的地图实体匹配方法

数字地图合并是通过同名实体匹配和合并变换技术,调整相关地物实体的几何、属性等差异,实现同一地区不同来源地图数据的集成和融合。其中同名实体匹配是极为重要的第一步,也是一个存在大量不确定性的过程,匹配阈值的选取、实体非一对一的匹配关系是匹配中的关键难题,匹配效果不佳或出现错误匹配直接影响着后续合并结果的正确性。本文提出一种基于概率理论的匹配模型,该模型融合多种匹配指标,通过计算实体匹配概率大小来确定匹配实体。该方法避免了匹配指标精确阈值的选取,并且能够有效地解决匹配中非一对一的情况。     

利用城市骨架线网的道路和居民地联动匹配方法

同名道路或者居民地数据间由于数据一致性程度不高,往往存在较大的几何位置偏差,当对道路或者居民地单独进行匹配时,不利于提高匹配正确率和效率。针对这一问题,本文提出了一种利用城市骨架线网的道路和居民地联动匹配方法。联动匹配即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,利用约束Delaunay三角网对地图构建城市骨架线网。然后,通过道路、骨架线、骨架线网眼和居民地之间的拓扑关系建立道路和居民地之间的匹配传递模型。最后,根据该传递模型实现通过道路匹配带动居民地匹配或者通过居民地匹配带动道路匹配的联动匹配。该方法优势在于只要有一种要素的数据一致性比较好,就能带动另一种要素取得很好的匹配效果,同时符合人类进行匹配时的认知过程。     

一种基于复杂网络的道路匹配方法

为了满足用户对数据现势性的要求,应当保证道路数据的及时准确更新,其关键是对同名道路数据进行匹配。鉴于对道路进行整体分析,道路的形状特征变得尤为重要,因此提出了基于复杂网络的道路匹配方法。该方法利用复杂网络理论分析每条道路的形状特性,得到相关的形状参数,再结合距离、方向等指标的参数计算得到总的相似度,从而选出最佳的匹配道路。这种方法计算简单,对道路的形状特征能很好地描述,并能很快地从候选匹配道路中识别出匹配道路。实验结果表明,将该方法用于道路匹配具有较高的准确率和可靠性。     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

路网增量更新中基于OSTU的目标几何匹配阈值计算

目的 电子地图数据增量更新过程中的几何匹配是道路网目标匹配最常用的方法之一,其中,阈值的选取是几何匹配能否准确完成的先决条件。针对目前常用的经验阈值方法存在的适应性差、误差大、精度低等不足,利用匹配叠置数据具有多峰分布这一特性,本文提出了一种基于最大类间方差法(OSTU)的匹配阈值动态计算方法。实验结果表明,该方法得到的匹配阈值相对于经验阈值具有更好的自适应性和准确性,并且算法简单、易于实现。     

基于神经网络的影像匹配概率松弛算法

提出了一种映射方法,使得Hopfield神经网络能够用于实现松弛算法。其优点在于Hopfield模型可由集成电路实现,因而使得基于松弛算法的影像匹配可以实时地完成,极大地提高了处理速度。     

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\