浅谈模式识别

提出了一种基于小波描述子的矢量多边形的模式识别方法,首先分别计算目标多边形与模板多边形的小波系数矩阵,再通过两个矩阵求取两多边形之间的非相似度,最后通过非相似度来确定是否匹配成功。并且,由所选用的小波的性质,可针对性地计算能够体现多边形特征的系数进行比较,从而使识别效果更好。实验结果表明该方法识别效果好,运算效率高,对平移、旋转、缩放等变换不敏感,是一种有效的矢量多边形模式识别方法。     

众源矢量数据分块纠正研究

众源矢量数据能够提供丰富的地理信息,但存在几何误差分布不均匀问题.针对众源矢量数据几何误差问题,本文提出一种众源矢量数据分块纠正方法.以遥感影像作为标准数据,通过模板匹配得到遥感影像与众源矢量数据的同名点,根据同名点的几何误差分布对众源矢量数据切分及分块纠正,最后拼接纠正结果实现众源矢量数据的纠正.本文以上海市OpenStreetMap矢量道路网作为实验数据进行分块纠正实验,实验结果表明分块纠正后众源矢量数据几何误差显著降低.     

矢量网格法实现多边形地图叠置的前提论证

本文提出了一种适合在微机上实现的多边形地图叠置算法——矢量网格法。该法以矢量格式为基本数据格式,辅之以网格结构,具有数据结构简单、数据量小、求交效率较高的特点。但矢量数据的叠置处理极为复杂,为保证算法思想的可靠性,本文着重运用拓扑学中有关复合形的理论,证明了矢量网格法叠置算法若干前提的正确性。该法已在微机HITACHI MB-16007A上实现。初步试验表明该系统可行。     

矢量居民地多边形多级图划分聚类方法

针对复杂居民地多边形的信息挖掘问题,提出了一种多级图划分聚类分析方法,构造居民地多边形的图模型,并通过对图模型进行粗化匹配与重构、初始化分和细化得到聚类结果.首先构建研究区域内居民地建筑物的Delaunay三角网,生成包含研究对象之间的邻接信息图;然后结合空间认知准则和人类认知的特点,采用形状狭长度、面积比、凹凸性、距...     

数学形态学和模式识别在建筑物多边形化简中的应用

针对居民地图形化简的一个方面--建筑物多边形的化简,提出一种在与地图比例尺相关的动态栅格和矢量数据相结合的数据模型支持下,综合利用数学形态学和神经网络支持下的模式识别的化简方法.在Visual C 环境下实现基于此方法的系统并进行实验,实验结果说明此方法在保持街区的形态特征上效果明显.这种方法将制图综合知识融入图形化简操作之中,是自动制图综合智能化的一次新的尝试.     

矢量数字地图质量自动检查方法研究

矢量数字地图质量包括数据情况说明(元数据)、位置精度或定位精度、属性精度、逻辑一致性、数据完整性、时间精度等六方面的内容，检查方法一般采用软件自动检查、人机交互检查、人工检查等。本文针对测绘数字信息工程矢量地图的特点、所采用的数据模型和编码，根据实际工作经验，提出自动检查的方法，这些方法包括：模板匹配技术用于检查属性数据的正确性；数学算法用于检查坐标精度及拓扑关系的正确性；标准规范的具体化用于检查要素格式及完整性；制图规则的计算机理解用于检查数据的逻辑一致性；错误快速定位用于错误的确认和编辑修改等。     

建筑物多边形高精度识别的傅里叶形状描述子神经网络方法EI北大核心CSCD

形状识别是地图空间认知的重要内容之一,结合有效的形状特征向量提取方法和空间认知试验的神经网络方法是提高形状识别的有效途径。本文构建了一种融合了圆形度、偏心率和矩形度等宏观形状特征参量的傅里叶形状描述子作为形状特征向量的神经网络建筑多边形状识别器。首先,利用傅里叶变换和计算几何方法分别提取建筑多边形的傅里叶形状描述子及圆形度、偏心率、矩形度参量,并组成形状特征向量。然后,通过样本数据的训练实现了建筑多边形与形状模板之间匹配的神经网络识别器。结果表明,本文方法相较于以往的方法大幅度提高了精度(达到98.7%),而且特征提取算法不受多边形点数不一致的限制。通过对武汉、郑州两大城市的真实建筑物数据进行形状识别,证实该方法具有较好的识别效果。     

多进制小波在矢量地图数据压缩中的应用

矢量地图数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用。利用多进制小波变换理论和矢量地图数据的特点,提出了基于多进制小波变换的矢量地图数据压缩的模型和方法,并从理论上分析了多进制小波变换与二进制小波变换的相互联系、区别及多进制小波变换所具有的优良特性。在对实际数据试验的基础上,分析了利用多进制小波变换得到的矢量地图数据具有多层次、多细节、能够保持良好形状结构特征的性质。     

InSAR干涉图的矢量分离式小波滤波

提出了一种新的InSAR干涉图滤波方法,并提出采用滤波前后干涉相位的均方差来进行滤波精度评价的策略。对不同类型的多幅干涉图进行了滤波实验,结果表明,本文滤波方法效果较好,精度较高。     

简单矢量数据多边形裁剪问题的图模型

无拓扑信息的矢量数据多边形裁剪问题是解决GIS叠置分析的基础。本文借鉴GIS中弧段结点模型的思想,建立描述两多边形集合间裁剪问题的图模型,以解决现有算法实现在处理大数据量裁剪时暴露的问题。本模型运用图中定义的顶点和边分别表示结点和弧段,使集合间实体的关联性得以增强,结果区域边界的重组过程得到简化。针对海量数据的存取特性,设计并实现了该模型的数据组织方式及其构建算法。最后以大数据量GIS叠置分析为例, 将本文实现与Vatti算法实现加以比较,实验表明,本实现在进行大数据量的两多边形集合裁剪时效率较高;同时,程序具有合理调配其内存空间中栈和堆资源使用的能力,这使其健壮性强于后者。     

网络空间向量剖分法识别城市路网网格模式

将道路网络空间视为嵌在2D空间中的独立子空间,利用形态单一的线性单元剖分图结构的边,实现网络空间的栅格化;提取网格模式的典型特征,包括几何和拓扑特征,以栅格单元邻域为目标计算特征值,构建特征向量描述栅格单元,实现对象空间到特征空间的映射,构建空间向量场;基于支持向量机（support vector machine,SVM）实现网格模式分类;结合格式塔原则完善实验结果。将此方法应用于深圳市路网数据,实验结果表明能有效地识别网格模式。     

重复测量周期性误差的模式识别方法

本文通过对以往重复测量周期性误差的统计检验法的分析,结合模式识别的理论,给出了一种处理该问题的识别方法,且结合实例说明了该方法的应用。     

快速确定多边形与多边形包含关系的一种新方法

在分析常用的多边形嵌套关系生成方法及其存在的不足的基础上,提出一种简单易行不借助负面积多边形信息快速确定多边形与多边形包含关系的新方法。     

矢量化多边形优化方法

从地理空间数据不确定性理论出发,提出了矢量化多边形的优化方法。该方法通过对矢量多边形进行"磨角插值"和基于可接受域限定的自适应滤波平滑处理,以此来削弱由空间数据表示不确定性造成的误差,使矢量化多边形最大限度地逼近地理实体真实轮廓。采用基于全局阈值的DP算法进行压缩处理,消除了数据冗余。从压缩比、位置误差及处理效率3个方面进行对比实验,验证了所提方法的有效性。     

一种建筑群同质二元组直线模式的识别方法

建筑群空间分布模式识别对制图综合、多尺度表达及空间数据挖掘具有重要意义.针对建筑群中以建筑物组合结构为单元的直线模式识别问题,提出一种建筑群同质二元组直线模式的识别方法.首先分析研究同质二元组直线模式的认知特征和定义;然后利用Delaunay三角网构建建筑群邻近关系,以建筑物邻近性、尺寸和方向相似性约束进行聚类,考虑邻...     

面状建筑物多层次骨架线提取方法

由于缺乏对凸部与建筑主体之间的层次关系描述,单个建筑物化简大多采用整体直角化方式进行,缺乏渐进式表达方法,难以实现对建筑物的多尺度、多层次逐步化简控制。针对该问题,提出了一种用于建筑物多层次表达的多层次骨架线构建方法。该方法首先通过构建Delaunay三角网提取建筑物内骨架线段,然后根据骨架线所关联的三角形面积识别得到主骨架线和次级骨架线之间的层级关系;最后对骨架线进行拉直处理。实验表明,该方法能够有效提取建筑物的多层次骨架线,较好地兼顾了建筑物的整体走向与局部形态特征,可为面状建筑物多尺度化简与表达提供支撑。     

利用CUDA实现矢量地图栅格化的并行处理

为了解决矢量地图栅格化的计算效率问题,提出了基于CUDA（Compute Unified Device Architecture,计算统一设备架构）实现矢量地图栅格化的并行处理方案。根据矢量地图中多边形的数目和GPU（Graphic Processing Unit,图形处理器）的硬件性能,定义并行执行的线程数目,每一个线程对相应的多边形进行边填充栅格化。实验结果表明加速比达到了10倍以上。相比CPU（Central Processing Unit,中央处理器）栅格化的处理方法,运算效率有显著提升。     

一种组合优化的多边形化简方法

以多边形轮廓为目标 ,依据曲线特征点将其分解为一系列的弯曲特征 ,并对此弯曲特征集实施组合优化 ,将入围弯曲首尾相连 ,即可得到最终的化简结果