利用多等级相关性反馈进行空间场景匹配

现有的空间场景匹配方法利用低级描述子（如局部几何形状描述子、方向、拓扑）或其组成的简单二元空间关系建立模型来试图满足用户的描述需求,缺乏对用户级主观概念的反馈机制。将用户反馈机制应用到空间场景匹配过程中,以研究机器在学习用户需求后对空间场景匹配的影响。在运算过程中,用户对匹配结果进行相关度评估并反馈给模型,模型根据反馈结果动态地更新检索参数权重以模拟用户的主观感知,从而使得调整后的匹配运算更加贴近用户需求。通过进行用户调查及分析特征向量权重的收敛情况验证了此方法的有效性和效率,实验结果表明,根据用户反馈进行空间场景匹配具有很高的用户主观性强度,用户只需进行2~3次的反馈就能得到较为满意的结果,空间场景的匹配结果更符合人的空间认知。     

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。     

利用地标空间关系约束的点实体匹配方法

针对传统的点实体匹配方法的不足,提出了利用地标空间关系约束的点实体匹配方法。该方法以参考点实体、候选匹配点实体与其邻域内的同名地标之间的空间关系为基础构造距离特征向量和方向特征向量,基于距离特征向量和方向特征向量计算点实体的相似度,进而确定点同名实体。实验结果表明,该方法在点同名实体空间位置偏差较大的情况下依然能够取得很好的效果,验证了该方法的有效性。     

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.     

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。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。试验选取中国武汉、瑞士苏黎世地区的开放式道路地图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     

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.     

场景判断增强SURF影像匹配算法

SURF特征匹配算法进行特征匹配操作时,会受到边缘线上大量相似点特征等因素的影响,特征匹配结果往往不会达到预期的效果,在纹理特征复杂的场景区域,其匹配精度会变得更低。为了实现在复杂场景中连续影像帧之间高质量的特征匹配,本文提出了一种基于场景判断的改进SURF影像匹配算法。该方法以GC-SURF特征匹配算法为基础,在初始匹配与几何对应匹配阶段增加了变换矩阵评估机制。首先,采用本文算法构建两帧影像间的变换关系模型,求解基础矩阵与单应矩阵;然后,通过变换矩阵评估策略,对上一步求得的基础矩阵与单应矩阵进行评估,判断影像场景的立体程度,根据场景立体程度选择相应的变换矩阵;最后,根据选择的变换矩阵进行后续几何对应匹配。对ICL-NUIM数据的综合试验表明,本文算法能够取得更高质量的匹配效果。     

基于特征矩阵和关联图的空间场景相似性度量方法

为了解决包含不同实体数目的空间场景相似性度量问题,本文利用特征矩阵对空间场景进行描述,根据查询场景和数据库场景的特征矩阵生成场景关联图,利用关联图中的各种匹配圈获取空间场景集合,然后根据场景完整度和相似性度量模型计算场景集合中每个场景的匹配度,最后计算出最佳匹配场景,并对匹配结果进行分析评价。实验表明,该方法能够较好地度量不同实体数目的空间场景的相似性。     

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。     

利用相似性特征进行Web服务语义匹配

通过对传统语义相似性度量方法的分析和比较,利用相似性关系本身所具有的相对性和传递性,选取共同的领域本体作为相似性比较的基准,提出了基于相似性特征的Web服务语义匹配算法,解决了现有Web服务语义相似性度量方法中需要外在文本集、无法对相似性进行定量表达以及相似性区分程度不明显等问题.最后,选取德国人工智能研究中心发布的基于OWL-S的geography领域服务测试集进行语义相似性度量对比实验,实验结果证明了所提算法的可行性和有效性.     

基于结构化空间关系信息的结点层次匹配方法

提出了一种基于结构化空间关系信息的结点层次匹配方法。指出了在结点匹配中存在的不足,在此基础上,顾及结点及其连接弧段的结构特征,结合距离、拓扑和方向三类约束,对候选匹配点进行逐层筛选,以得到最佳匹配结果。实验表明,该匹配方法是一种行之有效的方法。     

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。     

结合空间信息的EDCC测度光谱匹配分类方法

光谱匹配分类方法以光谱相似性测度为分类准则,一种相似性测度只对应于光谱曲线的一种特征,用于光谱匹配分类效果并不好;组合不同类型的相似性测度能够有效改善分类效果,但光谱匹配分类往往忽略了相邻像元间的相关性。为了更好地利用空间信息,提高光谱匹配分类精度,首先组合欧氏距离测度和相关系数测度,得到欧氏距离-相关系数测度;其次通过加入空间乘子,得到结合空间信息的欧氏距离-相关系数测度,从而在光谱匹配分类中增加了空间信息约束。采用两组高光谱影像进行实验验证,结果表明,相比于单一相似性测度及组合相似性测度,结合空间信息的欧氏距离-相关系数测度用于光谱匹配分类能够有效改善分类精度。     

基于拓扑及空间相似性的面实体匹配方法研究

在拓扑匹配和几何匹配的基础上,采用拓扑和空间相似性相结合的方法进行面实体匹配。考虑到实体间存在着一对一、一对多和多对多等对应关系,先根据拓扑关系进行初步匹配和筛选,再进行基于空间相似性的匹配;同时,由于可能存在非一对一匹配,进行反方向的匹配;最后根据一定的准则,判断匹配的对应类型。选取了3组面数据作为实验对象进行实验,结果表明,匹配方法对不同的数据均取得较好的匹配效果,匹配准确率较高,还能解决非一对一的匹配情况。     

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。     

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。     

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,讲座了一般情况下的这间方向相似性计算,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.     

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。     

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。