空间线群目标相似度计算模型研究

以空间线群目标的空间统计特征为基础,对线群目标的空间关系和几何特征进行了描述。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。     

线目标特征点相似性匹配

针对地图制图数据库更新中多源数据匹配问题,通过提取线目标中的特征点,建立一种基于空间位置和拓扑关系的匹配模型,对特征点进行相似性匹配。实验证明该模型匹配效果良好,基本满足数据更新中图形纠正的需要。     

提高线要素匹配率的动态化简方法

矢量线要素匹配是当前空间数据匹配领域的研究焦点之一。本文提出了一种提高已有匹配算法正确率的线要素动态化简方法。首先,对待匹配双方利用开方根规律分别确定各自的化简阈值范围;其次,令化简参数在线要素各自的阈值范围内以一定的步长变化,对每条线要素分别进行化简,每完成一次化简,重新计算待匹配双方的匹配相似度,并与上一次化简后的匹配相似度进行比较,最终得到最高的匹配相似度值;最后,根据获取的最高匹配相似度来判断其是否成功匹配。该算法是一种以动态化简来带动动态匹配的过程。通过化简提取线要素主要形态,降低了局部细节对已有匹配算法的影响,从而提高了匹配正确率。试验验证及对比分析证明了本方法的科学性和普适性。     

基于相似度计算的室内兴趣点匹配方法

为了解决室内兴趣点数据更新的准确匹配问题,本文提出了基于定位点坐标、名称和地址进行相似度计算的综合匹配方法,并介绍了该方法的实施步骤与流程,通过试验评价了不同相似度计算方法的匹配效果。结果表明,该方法具有可用性,得到的参考阈值可为室内分布密集、种类繁多的兴趣点的快速更新提供技术支持。     

空间点群目标相似度计算

顾及到视觉认知的Gestalt原则,提出了一种综合考虑到点群的空间关系、空间分布和几何特征,注重空间点群的整体描述的相似度计算模型。实验结果表明,相似度计算结果与直观认知比较一致。     

基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

利用最长公共子序列度量线要素相似性的方法

现有线要素相似性度量方法主要基于空间欧式距离或面积,缺少对线状要素几何形态特征相似性的考虑,在线状要素分布密集区域或地形地貌变化剧烈区域易产生度量误差。为此,提出一种基于最长公共子序列的线状要素几何相似性度量方法。利用特征描述子将线要素节点序列转化为几何特征描述序列;并利用基于控制参数的动态规划方法求解特征描述序列间的最长公共子序列,进而度量线状要素间的几何形态相似度。模拟数据试验和真实数据试验表明,该方法在保证运行效率的情况下,具有较高的正确率。     

顾及通名语义的汉语地名相似度匹配算法

地名匹配是地理信息检索、多源地理空间数据集成及更新中的关键技术问题。本文根据规范汉语地名构词特点,依据地名通名与地名类型的关系,建立规范地名通名语义知识库,并将由其提供的地名语义作为地名相似度匹配的重要指标。针对基于字面和空间数据的地名匹配方法存在的不足,面向规范地名提出一种综合了地名专名字面相似度和地名通名语义相似度两种因素的复合相似度匹配算法模型。该模型模拟人的认知习惯,根据通名语义相似度程度,通过单调函数关系动态设置专名和通名相似度各自的权重值,利用动态加权方法求得复合地名相似度指标。在上述模型基础上,本文提出了汉语地名匹配策略和流程,利用通名蕴含的语义增强汉语地名匹配算法的理论基础和完备性,提高了地名匹配算法准确率。实验结果表明该模型符合认知习惯,验证了该方法的合理性和有效性。     

面向地图综合的道路网相似度计算模型

针对地图制图综合过程中道路网相似度的定量计算问题,提出了一种顾及道路网综合过程的相似度计算模型.方法 基于空间相似关系理论较好地顾及了地图综合中空间关系的相似性;利用语义权重计算总体相似度更加符合地图综合的规则.最终经由430个样本的心理认知实验结果与专业人员的心理认知结果基本一致.实验结果表明:该模型基本符合人类直观...     

基于空间相似性的面实体匹配算法研究

同一地物在不同来源的地图上通常存在着差异,其识别或匹配对于不同数据源的地图编制来说很关键。面状地物要素在很多地图表示中都占有很大的比例。基于人眼综合已有信息来识别同名实体的思想,本文提出了基于空间相似性的面实体匹配算法。该算法将面实体作为一个整体看待,采用加权平均法来综合面实体的位置、形状、大小等特征的相似度,进而根据获得的总相似度大小确定匹配实体。算法在确定位置相似度时选择形状中心点对面实体进行惟一标识;采用形状描述函数来计算形状相似度,不容易受各种干扰而影响精度,避免了形状信息的丢失;面实体的大小通过其覆盖面积来度量。实验结果表明该方法具有良好的稳定性和可靠性。     

利用自由形状线特征的遥感影像分级匹配方法

为较好地解决自由形状线特征匹配研究中线特征丰富信息的充分利用与有效描述这对矛盾,提出一种利用分级匹配策略的遥感影像匹配方法。为保证方法具有较高的匹配精度,从影像中检测亚像素边缘并进行有效的跟踪以得到连续性较好的自由形状线特征;再从中提取闭合线特征、线特征交点和角点等较稳定的特征作为共轭实体进行粗匹配,在确定各类特征的待选同名特征后,根据面积、角度等几何信息以及模型参数的分布特点逐步剔除误匹配,进而利用同名特征确定精匹配的初始参数;精匹配时对线特征中的亚像素边缘点加以利用,采用多层次二维迭代最邻近点(ICP)法依次利用由低到高采样率的边缘点进行匹配。试验结果表明,粗匹配选取的特征性能稳定,具有较高的匹配正确率和精度,能为精匹配提供较准确的初始参数,精匹配能达到与最小二乘影像匹配相当的亚像素级匹配精度,并且对具有较小仿射变形的影像也能实现稳定、准确的匹配。     

一种新的基于空间关系的特征匹配方法

特征匹配是基于特征图像配准方法的难点之一,利用空间关系的策略是解决它的一种可靠途径.首先从理论上统一基于空间关系的特征匹配方法的数学模型,然后详细剖析已有几种经典方法定义的全局一致性度量准则存在的问题,最后提出一种新的解决方法.该方法采用高斯分布描述匹配特征对的空间位置在变换模型约束下存在的不一致性,由此定义全局一致性度量准则,使它在平滑连贯性和全局最优解的突出性等方面比已有准则有较大改善,同时该准则中涉及的惟一参数--高斯分布的方差--对它的全局最优解的突出性影响较小,保证提出准则的稳健性.针对新定义准则的最优化求解问题,本文设计一个两步迭代优化算法.用大量实际图像测试本文提出的方法,并将它与几种经典方法进行比较,实验结果表明本文提出的方法是正确和稳健的.     

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。     

利用相似性度量的不同比例尺地图数据网状要素匹配算法

提出了一种基于相似性度量的不同比例尺地图数据网状要素匹配算法。首先进行结点、弧段的粗匹配,然后利用结点-弧段拓扑关系的相似性和离散Fréchet距离进行精确匹配,匹配过程将几何、语义、拓扑、结点和弧段匹配有效结合起来,最后以可视化方式将不同匹配结果进行显示,以便人机交互。实验表明,该算法可有效地匹配各种复杂情况下的同名道路,并提高匹配的正确率和速度。     

运用多算子加权的面要素几何匹配方法

针对面要素几何匹配算法,提出反映距离、尺寸、方向、形状4种主要几何度量指标的多算子加权匹配方法,建立了质心距离、Hausdorff距离、面积重叠度、对称差、轮廓紧致度和正切空间的量化算子,对量化结果进行加权评分计算总相似度确定面要素匹配值。运用多版本实测数字线划图数据进行匹配实验,结果表明该方法匹配结果可靠,并且通过算子权重和匹配阈值的调节设置可以筛选受关注度量指标的高匹配结果。     

MapGIS对线性地物编辑的拓扑处理

简明地描述了MapGIS对线性地物的拓扑处理使用情况和一些使用方法的实现,同时介绍MapGIS拓扑处理部分功能的应用和技巧。     

基于空间方向相似性的面状矢量空间数据匹配算法

数据一致性匹配处理技术是空间数据融合中的关键技术。采用方向关系矩阵模型进行空间方向关系描述,讨论了一般情况下的空间方向相似性计算,提出了基于空间方向相似性的矢量数据匹配算法流程。最后,以面状目标为研究对象,以某地局部地区居民地数据为例,对基于空间方向相似性的矢量数据匹配算法进行了试验与分析。