A geometric-based approach for road matching on multi-scale datasets using a genetic algorithm

Object matching is used in various applications including conflation, data quality assessment, updating, and multi-scale analysis. The objective of matching is to identify objects referring to the same entity. This article aims to present an optimization-based linear object-matching approach in multi-scale, multi-source datasets. By taking into account geometric criteria, the proposed approach uses real coded genetic algorithm (RCGA) and sensitivity analysis to identify corresponding objects. Moreover, in this approach, any initial dependency on empirical parameters such as buffer distance, threshold of spatial similarity degree, and weights of criteria is eliminated and, instead, the optimal values for these parameters are calculated for each dataset. Volunteered geographical information (VGI) and authoritative data with different scales and sources were used to assess the efficiency of the proposed approach. According to the results, in addition to an efficient performance in various datasets, the proposed approach was able to appropriately identify the corresponding objects in these datasets by achieving higher F-Score.     

多尺度河流和湖泊的矢量目标匹配方法研究

研究河流和湖泊的矢量目标匹配方法在地理空间变化检测、地图更新等方面具有重要意义。文中提出一种计算线线部分匹配的折线集的算法,基于该算法和面面叠置率,研究河流和湖泊的面面、面线、线线1∶1匹配算法和非1∶1匹配策略,实现河流和湖泊整个目标数据集的匹配。实验表明,文中所研究的算法和策略具有两个优点:解决了面与线在不相交情况下的匹配问题;对数据误差有很强的适应性。     

Quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces

Quantitative relations between spatial similarity degree and map scale change in multi-scale map spaces play important roles in map generalization and construction of spatial data infrastructure. Nevertheless, no achievements have been made regarding this issue. To fill the gap, this paper firstly proposes a model for calculating spatial similarity degrees between an individual linear object at one scale and its generalized counterpart at the other scale. Then psychological experiments are designed to validate the new model, taking four different individual linear objects at five different scales as test samples. The experiments have shown that spatial similarity degrees calculated by the new model can be accepted by a majority of the subjects. After this, it constructs a formula that can calculate spatial similarity degree using map scale change (and vice versa) for individual linear objects in multi-scale map spaces by the curve fitting method using the point data from the psychological experiments. Both the formula and the model can calculate quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces, which facilitates automation of map generalization algorithms for linear features.     

多尺度地理空间线状目标形状相似性的度量

本文研究了多尺度地理空间线状目标相似关系的表达与度量问题.基于Douglas-Peucker算法,通过对线状目标形状的分析,从几何学的角度,给出了衡量基本图形中折线与线段之间形状相似度的两个重要参量.按照图形特征,利用分类讨论的方法,建立了多尺度地理空间线状目标形状相似性的计算模型.最后通过实例的计算验证了该度量方法的可行性.     

一种基于曲率的线状目标简化算法

线要素是GIS中常见的数据类型,其抽稀简化算法在尺度变换、制图综合等领域应用广泛.文章介绍了SimpliPoly算法的具体原理,并在实现该算法的基础上,研究了SimpliPoly算法应用过程中的关键问题:阀值确定与三维扩展;提出了快速确定阀值组合的方法,并将该算法扩展至三维线状目标简化.结果表明,阀值组合确定方法快速、有效,三维扩展方法简单、实用,在三维空间中延续了二维SimpliPoly算法的优点.     

线实体候选匹配集的优化方法研究

地图数据合并是地理空间数据集成的基本途径,同名实体匹配是其中的重点与难点。本文根据线实体的形状将其分为简单线实体与复杂线实体,提出针对前者以线实体端点与中点为发生元生成的Voronoi图所得到的邻近对应关系为依据、针对后者以基于线实体缓冲区重叠度构造的相似性测度指标为依据优化候选匹配集的思路,并设计与实现了相关算法。实证研究表明,该算法能够适应不同比例尺与不同时相的城市道路网地图数据同名实体匹配。     

多尺度空间线状实体形状相似关系的表达与度量

本文对空间数据多尺度表达中线状实体综合前后的形状相似性进行了描述、分析和研究。通过调查统计,得出了衡量线状实体形状相似程度的两个重要参量SIMⅠ、SIMⅡ,基于这两个参量给出了空间线状实体形状相似性的定义以及在不同尺度下线状实体形状相似性的度量方法,并用实例进行验证。为空间数据多尺度表达时线状实体的形状表达提供了一种分析和评价手段。     

联合共线约束与匹配冗余的组直线匹配结果检核算法

针对"一对多""多对一""多对多"直线匹配结果难以检核的瓶颈问题,提出一种共线约束与匹配冗余的组直线匹配结果检核算法。该算法在已有组直线匹配结果基础上,首先将结果中的每对同名直线组分裂为两对同名单直线,分别建立直线组、单直线同名对应关系矩阵,矩阵的行、列号分别对应参考影像、搜索影像上直线组索引或单直线索引,矩阵元素值可用于记录其行、列号所表示对应关系出现的数目、特征相似性系数等多源信息;在此基础上,以同名直线关系矩阵为基础,提取局部关系矩阵,建立"一对多""多对一""多对多"匹配结果间的关联;然后基于局部关系矩阵,结合共线约束、匹配冗余、特征相似性系数对结果进行检核,剔除错误匹配,保留正确匹配;最后对结果中的"多"直线进行拟合得到"一对一"的同名直线。选取具有典型纹理特征的航空影像和近景影像进行组直线匹配结果检核试验,获得了可靠的同名直线,验证了本文算法的有效性。     

基于二进制粒子群优化算法的线状目标简化

针对如何从线状目标的简化可行解中选取近似最优解的问题,该文基于二进制粒子群优化算法原理,将线状目标的可行解抽象为节点是否取舍两种状态的二进制序列,由粒子群根据个体经验和社会经验判断构成线状目标上的节点取舍,提出并设计了一种简化线状目标的算法。目标函数主要由节点压缩率和矢量偏差确定,文中给出了算法实现的关键步骤。通过与道格拉斯-普克算法作对比实验分析,证明了该算法的有效性,保留了重要的几何特征点,图形有良好的外观视觉效果,且有更高的节点压缩率。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。     

多空间数据库位置匹配方法及其应用

同一地区由于不同的要求和目的而建立了多种数据库 ,包括不同比例尺的基础地理信息数据库或空间专题属性数据库。在实际应用中经常需要将这些数据库中的数据联系起来 ,相互利用。在实践中通常可以利用存在位置属性这一特点将这些数据库关联 ,达到充分利用数据、挖掘数据潜在信息的目的。本文以国家基础地理信息数据库中全国 1∶2 5万和全国 1∶1 0 0万数据的公路和河流要素为实例 ,阐述利用空间位置这一特性来建立数据库联系的思路方法     

基于多尺度模型的数据库影像特征匹配

针对传统的遥感影像数据库中影像特征匹配效率低下的问题,该文提出一种基于多尺度模型的数据库影像特征匹配方法。为遥感影像数据库构建多尺度模型,能较高效率地在数据库中快速定位候选的匹配影像;基于搜索得到的候选影像,采用快速排序算法逐层筛选最佳匹配影像,从而实现了数据库匹配影像的精确定位。实验结果表明:所提算法不仅能高效地完成影像间特征点匹配运算,还能从数据库中精确地筛选得到最佳的匹配影像;且随着数据库中影像总数的增加,该方法的优势表现得更加明显。这一研究将为遥感影像数据库的高效、实时及动态匹配提供可能性。     

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。     

遥感影像样本数据集研究综述

随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展,基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式,其对样本数据的规模、质量、多样性等提出了更高要求。最近,国内外众多学者和研究机构相继发布了一系列遥感影像样本数据集,为大数据时代下遥感影像的信息提取和智能解译等奠定了研究基础。然而目前尚缺乏对上述影像样本数据集的综合分析,针对这一问题,本文在文献检索与分析的基础上,归纳总结了124个具有一定影响力且应用广泛的遥感影像样本数据集并对其元数据进行了分析,并提供了数据来源、应用领域与关键词的发展变化,分析了数据集在空间、时间、光谱分辨率上的差异,以应用领域为依据将其划分为场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割等8个类别并以部分数据为例进行了具体分析,总结了深度学习模型在数据集上的研究进展,并针对稀疏样本导致的模型过拟合问题,探讨了样本时空迁移、小样本和零样本学习、样本主动发现、样本生成等在遥感影像信息提取中的应用前景。本文首次对遥感影像样本数据集进行了综述研究,可为相关领域科研人员提供数据参考。     

线状要素多尺度表达质量评价模型研究

本文立足于线状要素多尺度表达的实现过程,利用线状要素多尺度表达的目的,将线状要素多尺度表达的质量需求分解为"4准则",将影响线状要素多尺度表达的质量因素概括为"6因素"。并图表出"6因素"与"4准则"的对应关系。由此推导并建立了线状要素多尺度表达质量评价的概念模型,为线性数据多尺度表达的质量评价问题提供必要的理论依据。     

线状要素多尺度表达不确定性的综合分析与评价研究

空间数据的多尺度表达和GIS数据的精度分析及质量控制问题是当今地理信息科学和国际GIS界十分关注的两大前沿课题。本文首先确立线状要素多尺度表达的实现方式;然后紧紧围绕线状要素多尺度表达的实现流程,分析线状要素多尺度表达不确定性的来源,并利用误差传播规律建立线状要素多尺度表达误差传播规律;最后通过实验得出线状要素在尺度扩展中不确定性的变化规律。     

半全局匹配算法的多基线扩展及GPU并行处理方法

文章分析了半全局匹配算法基本原理,将其扩展应用于遥感影像的多基线匹配,在进一步提高匹配可靠性的同时,保留了算法的规则结构;并研究其图形图像处理器(GPU)细粒度并行处理技术,重点探讨匹配代价立方体生成与聚合过程的核函数优化策略与线程组织方案,最后利用Tesla C2050 GPU并行加速卡对3幅UCD航空影像进行MVLL多基线匹配半全局优化GPU并行处理实验证明了该算法的有效性和高效性.     

割线中点距离的面要素匹配算法

针对面要素图幅接边中出现的由于端点距离计算量大导致程序效率低的问题,该文提出了一种基于割线中点距离匹配的边界匹配方法。该算法通过获取面要素与边界线重叠的各线段的中点,对各中点进行距离匹配,从而完成面要素各段割线的匹配与割线端点的匹配。通过对割线中点的匹配,减少面要素匹配中需要匹配的点,达到节省时间的目的。通过面要素匹配实验证明:该算法可以在确保匹配准确性的情况下有效缩短面要素边界匹配的时间。     

移动高程平面约束的多视影像特征点匹配

针对影像匹配中由于重复纹理和遮挡导致的不确定性问题,提出移动高程平面约束的多视影像特征点匹配方法。该方法将多视影像上提取的特征点投影到不同高程的物方格网平面,利用平面上格网单元来约束候选同名特征点,对多视影像进行选择性匹配,避免部分影像遮挡对匹配的影响。实验选取UCX(UltraCamX)数字航空影像进行匹配,取得可靠的匹配结果,从而验证了本文方法的有效性。