面状居民地匹配骨架线傅里叶变化方法

大比例尺城市居民地是变化最为活跃的要素之一,因其形态复杂多样,数据量密集,匹配过程复杂,成为空间数据匹配的重点。面状居民地匹配骨架线傅里叶变化方法首先把大比例尺面状居民地转化为能够反映其主要轮廓特征的骨架线;其次,把骨架线转化为更易于表达其形态特征的几何形态数据,并对其进行插值计算;第三,对几何形态数据采用傅里叶变换,获取匹配双方骨架线之间的相关系数;最后,通过相关系数来判断双方骨架线之间是否满足匹配条件,从而得到骨架线所对应居民地的匹配结果。通过等级化处理,把2维面状居民地转化为1维骨架线,有效降低了空间数据的复杂性,并可把许多线要素匹配的方法引入进来;把骨架线转化为几何形态数据,并采用傅里叶变换进行形态计算,线要素的几何形态相似性分析得到显著增强,提高了数据匹配的准确率。通过试验验证及对比分析,证明了本方法的有效性和科学性。     

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。     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

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。     

采用道路骨架线stroke的复杂道路匹配方法

同名道路要素匹配是道路网数据增量更新的核心问题。大比例尺下道路网不再是简单的单线节点结构,存在大量的多层车道和复杂立交,难以直接利用现有的道路匹配算法。针对这一情况,提出一种采用道路骨架线stroke的复杂道路匹配方法。在匹配前,首先对大比例尺复杂道路数据进行结构特征识别,利用Delaunay三角网生成复杂道路骨架线stroke,并存储骨架线stroke与原始数据结构特征的映射关系;最后利用骨架线stroke与小比例尺道路数据进行层次匹配和类型匹配,并将这种匹配关系转换为实际匹配结果。实验结果表明,该方法能够较好地解决不同比例尺下的复杂道路网匹配。     

一种改进的基于转角函数法的面状居民地Morphing变换方法

提出了一种顾及位置偏差与凹部同异性的面状居民地Morphing变换转向角函数方法.该方法通过构造大比例尺居民地的凸包作为中间图形,辅助与小比例尺居民地进行特征顶点匹配,避免因位置偏差造成的特征点误匹配;针对大比例尺居民地的凹部,依据凹部的模式类型,判定凹部边的同异性;最后构建插值模型,得到中间任意尺度下的面状居民地要素...     

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。     

一种空间关系相似性约束的居民地匹配算法

从分析人在寻找陌生地物时的思维习惯入手,在居民地匹配过程中引入了空间关系相似性约束。对两个居民地之间的拓扑关系、距离关系和方向关系的相似性进行了分析,并提出了符合人认知习惯的离散化计算方法。在匹配过程中,以突出居民地作为起始对象,以已匹配居民地作为参照,对未匹配居民地按空间邻近原则进行广度优先搜索,利用空间关系相似性约束来缩小匹配目标备选集,实现了空间关系有序的精确匹配。最后,对已匹配对象实施了基于邻近对象空间关系相似性校验的匹配质量检查。实验结果表明,该算法在待匹配数据位移较大、居民地对象形状同质化较高的情况下优势明显,能够有效提升匹配精度。     

利用骨架线端点匹配进行面状要素渐变变换

面向空间数据连续地图综合问题,提出了一种基于骨架线端点匹配的面状要素渐变方法,通过在两个关键表达之间进行尺度内插,实时、动态地派生任意中间比例尺地图数据。首先,对面状要素在大小比例尺下的两重表达分别进行约束Delaunay三角网剖分并提取各自的骨架线特征;然后,使用最优子序双射优化技术对骨架端点进行匹配获得多边形边界上相对应的特征点序列;最后,在剖分边界的基础上进行分段常规线性内插,获得面状要素介于始末尺度之间的多尺度表达。实验结果表明,该算法充分顾及了空间数据弯曲结构特征,对于光滑边界面状要素的渐变变换具有良好的渐变效果,可用于空间数据的连续地图综合和多尺度表达。     

道路网约束和种子树索引的居民地粗匹配

针对传统的空间索引在实际应用中存在的局限性及不同尺度居民地数据匹配精度不高的问题,该文将道路网空间约束和种子树连接算法思想引入到多尺度居民地匹配中,以小比例尺道路网作为空间约束,构建道路网约束种子树索引,并依据同名要素粗匹配规则对居民地要素进行粗匹配。实验及对比分析表明,该方法能够较好地提高居民地要素匹配的效率,同时在道路网约束下具有较高的匹配精度。     

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。     

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。     

带状数字线划图（DLG）坐标转换方法研究

带状地形图狭长,带状数字线划图坐标转换涉及坐标转换参数和接边问题。本文采用多项式拟合法和分区块重叠带,确定区块坐标转换参数,实现了带状数字线划图坐标转换,解决了分区图形坐标转换的接边问题。并采用实测带状数字线划图数据进行坐标转换实验,转换精度高,能够满足大比例尺带状数字线划图坐标转换要求。     

中误差和邻近关系的多尺度面实体匹配算法研究

地图目标匹配作为空间数据整合和更新的一个不可缺少的过程,有重要的研究意义。中误差是一种衡量地图精度和质量的数值指标,其范围作为制图和综合的重要的标准之一,常用其大小评价空间数据的质量,不同比例尺或来源的地图数据均有不同的中误差大小和阈值。面状要素在很多地图中占有很大的比例,本文将中误差引入面实体匹配的过程,结合相邻面实体邻近聚集算法,提出一种基于中误差和邻近关系的面实体匹配算法,可以有效解决多尺度空间数据匹配的阈值大小和多对多关系难确定的问题,实验结果表明该方法具有良好的稳定性和可靠性。     

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。     

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.     

一种利用格网叠置分析的居民地形状匹配方法

形状是居民地要素最基本的几何特征之一,也是居民地匹配的重要依据。针对现有居民地形状度量方法无法度量非1∶1对应情况形状相似性的问题,首先对待度量居民地实体(群)组合进行方向、位置、大小一致化处理;然后借鉴规则格网索引的思想,对组合建立适合的规则格网并赋予网眼不同的重要性系数;再分析待度量实体(群)内部、边界之间在格网中叠置情况差异性,将其作为两实体(群)的形状差异性,最终获得形状相似性值。将形状相似性与空间位置、面积的相似性通过加权平均获得综合相似性值,作为居民地匹配的依据。利用该形状匹配方法对居民地实体进行匹配实验表明,文中所提方法能够有效进行居民地实体的匹配。     

利用物体结构信息进行影像线特征关系匹配

针对影像线特征匹配的复杂性,给出了根据物体结构信息,将影像匹配问题转化为确定图同构问题的匹配策略。首先,利用影像特征提取获得的点、线特征建立描述物体结构信息的关系表,通过对左右不同影像的图形进行区域分割获得候选面特征,利用矢量数据拓扑关系的自动建立算法得出左右影像关联图的弧段-多边形拓扑文件。然后,根据基匹配及拓扑关系表,利用图深度遍历的方法进行匹配传递,按面、线、点的顺序完成不同影像间对应物体同名线的匹配。由于关系表的一致性表明了物体构成特征要素的一致性,可使整个影像的匹配搜索范围变小,从而提高影像匹配的准确性与匹配速度。