共查询到20条相似文献，搜索用时 140 毫秒
1.
针对中小比例尺地形图上的散列式居民地较难进行自动化综合缩编的问题,该文对中小比例尺地形图上散列式居民地的综合过程及其冲突处理方法进行了研究。首先,通过探测邻近关系和分析空间特征,对居民地进行合并和选取,减少目标数,控制数量变化;进一步地通过模板匹配对单一的目标进行形状化简,控制表达变化。同时,针对其综合处理和符号化过程中可能出现的空间冲突,提出了基于Delaunay三角网模型的探测和处理方法。最后,给出了一套中小比例尺地形图上居民地要素的综合处理策略。该研究成果可规模化应用于中小比例尺综合缩编生产实践。 相似文献
2.
形状识别和分类是地图制图综合的重要内容之一,面状居民地要素作为地理空间矢量数据的重要组成部分,其形状认知是制图综合的基础。本文针对当前几何和统计形状分类方法的不足,借助图卷积神经网络的图数据分类能力,提出了一种基于图卷积神经网络的面状居民地形状分类方法。该方法首先从面状居民地轮廓多边形入手,提取其轮廓的多个特征,获取形状的图表达;然后,利用图卷积神经网络对居民地形状信息进行多轮次提取和聚合,将形状信息嵌入一个高维向量中;最后利用全连接神经网络对高维形状向量进行分类。试验表明,该方法能够有效提取居民地形状信息,克服了传统分类方法人为设置指标的不足,实现了端到端的居民地形状信息提取与分类。 相似文献
3.
首先以居民地要素为例,通过对多对多关系产生原因的分析,明确制图综合中典型化操作是多对多关系产生的主要根源。其次,从对多对多匹配的实例入手,根据邻近、轮廓规则、分布有序等特征,设计了多对多关系的探测和发现方法。最后,根据典型化算法整体性、结构化的原则,从群对象的对象结构、轮廓形状、面积和方位等特征入手,设计了相邻比例尺多对多匹配算法。实验表明,该方法符合人类的匹配认知习惯,能够有效发现并确认相邻比例尺中同名对象之间的多对多对应关系。 相似文献
4.
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。 相似文献
5.
6.
7.
针对居民地地图形状化简的一个方面——建筑物多边形的化简,通过对综合规则的研究和居民地几何特征的剖析,提出一种与比例尺相关的切割实现建筑物多边形化简的方法,在Visual Basic6.0环境下实现了该算法,试验结果表明此方法在保持街区的形态特征上效果较好。 相似文献
8.
提出一种基于模拟退火思想的线状要素Morphing方法,针对同名线状要素在大小比例尺下的两种表达,首先利用约束Delaunay三角网提取小比例尺地图上线状要素的弯曲特征点,然后采用模拟退火技术在特征点与大比例尺线状数据顶点之间建立全局最优匹配,匹配结果将两线状要素分割成多对对应线段,最后针对每一对对应线段采用常规线性插值方法进行Morphing插值。模拟算例和实际数据实验证明,该方法较好地顾及了线状要素尺度变换过程中的弯曲化简、删除、夸大、典型化等综合操作,变换结果能有效地保持原线状要素的结构特征,提高了Morphing变换的精度。 相似文献
9.
利用Naive Bayesian网络的学习和推理机制，提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习，获取Bayesian网络的重要参数，即条件概率和概率分布密度。在此基础上，根据正负样本所构建的条件概率网，对未知类别信息的影像进行分类，从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取，表明该方法具有较高的识别率。 相似文献
10.
11.
利用约束D-TIN进行建筑物多边形凹部结构识别与渐进式化简 总被引：1，自引：0，他引：1
分析了位于建筑物多边形外侧的凹部结构特征及其类型,探讨了一种基于凹部层次结构的建筑物多边形渐进式化简方法,即以三角形为形状基元,用约束Delaunay三角化方法对建筑物多边形进行空间剖分,从凹部三角形树中提取三角形序列,通过匹配特征序列识别凹部的基本模式,以确定和实施相应的凹部化简方法,在此基础上迭代执行识别-化简过程,以实现对建筑物复杂凹部的渐进式化简。实验分析表明,该方法具有结构化和渐进综合的特点。 相似文献
12.
建筑物化简是地图制图领域关注的热点问题之一。集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知。本文提出一种深度学习支持下的形状自适应建筑物化简方法。首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制。试验表明,本文方法的化简结果在位置、方向、面积和形状保持指标上总体优于单一算法,具备较好的理论与应用价值。 相似文献
13.
制图综合中建筑物多边形的合并与化简 总被引：2，自引：0，他引：2
讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本文提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。 相似文献
14.
15.
高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型（deformable part model,DPM）被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可变形部件模型,提出一种针对高分辨率遥感影像中建筑物的检测方法,将建筑物看作可变形部件的组合,通过训练得到其对应的参数模板,并采用滑动窗口的方式遍历待检测的影像,判断其中是否存在建筑物目标。通过对分辨率为0.5 m的高分辨率遥感影像的实验证明了方法的有效性。 相似文献
16.
17.
光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法 总被引：3，自引：0，他引：3
针对高分辨率遥感影像具有较为丰富的地物属性"谱相"信息和空间分布及其组合"图式"信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。 相似文献
18.
19.
鉴于常规曲线化简方法应用于河流曲线化简时难以顾及河流要素的三维特征及其拓扑结构,提出了一种顾及三维形态特征的河流曲线化简方法。该方法利用河流曲线上散点的三维特征对散点进行选取进而实现河流曲线化简。在三维Douglas-Peucker（3D D-P）算法的基础上提出一种三维散点排队法,根据散点的三维特征对河流曲线的离散点集进行排队,并通过初始排队、"3合1"队列合并及约束点位置调整3个过程建立散点队列,然后根据压缩比从队列尾部删除相应比例的点数获得散点综合结果,将综合后的散点按照河流曲线的原始次序重构出化简后的河流曲线。实验结果表明,该方法既能最大程度地保留河流的三维形态特征,又能保证河流曲线之间的拓扑结构一致性。 相似文献
20.
针对航空影像中目标提取的困难，提出了一种基于可变模板的航空影像中建筑物提取方法，并针对几种比较典型的建筑物，详细讨论了模板的设计、目标初始参数的获取及模板最优参数求解等几个关键性的问题。采用这种方法进行航空影像中目标的提取时，可以将影像中的多种信息和人的识别能力进行有效的融合，因而能够达到可靠地提取影像中目标的目的。作为一种有效的优化求解方法，模拟退火被用于目标提取的优化过程。为了验证这种方法提取航空影像中目标的能力，给出了利用可变模板提取航空影像中几种不同类型的建筑物的例子 相似文献