共查询到17条相似文献，搜索用时 453 毫秒
1.
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,考虑邻近程度的异质性、直线性识别直线模式,根据直线模式识别结果识别同质二元组结构;最后逐步识别由具有相似特征且呈等间隔直线排列的同质二元组构成的直线模式。实验表明所提方法能有效识别出同质二元组直线模式,其识别结果符合人类认知。 相似文献
2.
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.针对局部异质性明显的建筑群直线模式识别提取问题,本文提出基于模板匹配的建筑群组合直线模式识别方法.首先分析研究组合直线模式的认知特征和定义;然后,利用建筑物的空间邻近性、尺寸和方向约束进行聚类,获得建筑物间的空间邻近关系和扩展对齐关系;以放大的建筑物最小面积外接矩形作为初始匹配模板;最后,在确定模板分布间隔及方向的基础上,考虑组合直线模式的直线性、相似性和局部异质性约束条件,通过连续构建模板进行搜索匹配,识别出组合直线模式.试验表明本文方法能有效识别出组合直线模式,其识别结果符合人类认知特点. 相似文献
3.
结合国内外对建筑群空间分布模式的研究,提出了建筑群多连通直线模式的参数判别识别方法。首先从其组织规律出发,从距离、方向、大小3方面提取直线模式的结构化参数;然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;考虑直线模式的直线性、紧凑性等,通过模拟直线模式识别的人工过程进行邻近图的同质性修剪,识别出多连通直线模式。实验表明,该方法能够识别出明显直线模式,且具有完备性,允许模式相交,更符合人类空间认知特点。 相似文献
4.
城市建筑群网格模式的图论识别方法 总被引：1，自引：1，他引：0
建筑群空间分布模式体现了城市的物质形式及其与社会经济功能之间的关系,反应了城市的空间结构特征,对于制图综合和多尺度表达等具有重要意义。结合国内外对该问题的研究,提出了基于图论的建筑群网格模式识别方法。首先分析研究了网格模式的认知特征和定义。然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;从Gestalt视觉准则出发,基于三角剖分模型建立视觉距离;考虑直线模式的直线性、紧凑性等约束条件识别出交叉的多连通直线模式。最后对直线模式建立相交图和方向关系图,通过求解极大完全子图、连接、相交和后期修建等图运算,实现网格模式的识别。实验表明该方法能够识别出明显网格模式,其识别结果符合人类空间认知特点。 相似文献
5.
《测绘科学技术学报》2013,(6)
提出了一种基于关联规则分类算法进行道路网网格模式识别的方法。首先基于空间认知理论,从人类视觉认知Gestalt原理出发,采用几何与拓扑关系特征量化计算网眼形状参量,从网眼自身形状指标、相邻网眼排列一致性、相邻网眼形状相似性3方面描述网眼模式。然后利用关联规则分类算法对道路网网格描述特征进行识别分类。实验表明,本文方法有效可行,具有一定的鲁棒性。 相似文献
6.
7.
地图综合中,建筑物群的排列结构是需要重点考虑的因素。当不同排列的子建筑物群之间存在空间图形冲突时,这些建筑物群的综合就显得更为复杂。直线排列建筑物群的综合在大比例尺地形图上以典型化操作为主。本文提出一种相互之间存在潜在空间图形冲突的多个直线排列建筑物子群的渐进式典型化方法,渐进式地处理多个直线排列建筑物子群之间的空间图形冲突,保留建筑物群重要的直线排列结构;以建筑物表达的视觉图形约束为限制条件,自动确定典型化后的建筑物位置、形状、大小和方位。本文还研究了基于建筑物群空间邻近图的直线排列建筑物子群的自动识别方法,分析了这些直线排列之间的邻近关系和相交关系。最后,以1：5000地图上的建筑物群综合为1：25 000为试验对象,验证了所提出算法的可用性和有效性。 相似文献
8.
9.
针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。 相似文献
10.
针对单直线匹配过程中缺乏考虑邻近直线特征之间关系,纹理断裂处单一直线描述符的弱可靠性,提出了一种顾及拓扑关系的立体影像直线特征可靠匹配算法。该算法首先根据直线间距离、角度等基本拓扑关系对参考影像、搜索影像上提取的直线进行编组;然后将编组得到的直线组作为匹配基元,充分利用直线特征组内的拓扑关系,依次采用核线约束、单应矩阵约束、象限约束、不规则三角形区域灰度相关约束对其进行匹配;最后将同名直线组分裂为两对同名单直线、并对分裂后的结果进行整合、拟合、检核等后处理,得到"一对一"的同名直线。选取典型纹理特征的航空影像和近景影像进行参数分析及直线匹配试验,结果表明,本文算法能获取可靠的直线匹配结果。 相似文献
11.
提出了一种运用自组织映射识别网格模式的方法。首先,计算街道网中网眼的参数,这些参数是质心、面积、矩形度、延展度、是否含有平行边、边数、一阶邻居数和矩形度平均值;然后,将网眼作为自组织映射的向量进行训练,利用U-matrix可视化方法挖掘聚类得出结果。实验结果表明,该方法能有效地从不规则街道网中识别出网格模式。 相似文献
12.
立交桥结构的自动识别对道路网多尺度建模、空间分析和车辆导航具有重要意义。传统基于矢量数据的立交桥识别方法过分依赖人工设计的特征,对复杂场景的适应性较差。本文提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,该方法利用卷积神经网络学习立交桥样本的深层次结构特征,进而实现立交桥的自动识别与准确定位。试验结果表明,该方法对立交桥的识别效果较好,能够在复杂的道路网中准确确定立交桥的位置,避免了人为干预对试验结果不确定性的影响,抗干扰性较强。 相似文献
13.
提出了一种基于图论的网格模式提取方法。该方法根据道路之间的关系生成关系图,运用交、联、提取连通分量和极大完全子图等图论算子完成模式的提取。实验结果表明,该方法能有效地进行网格模式的提取。 相似文献
14.
This paper presents a typification method for linear pattern in urban building generalization. The proposed method includes two processes. Firstly, structural knowledge in terms of linear pattern is detected using a two-step algorithm taking the advantages of Gestalt visual perception, computational geometry and graph theory. Spatial neighbourhood is captured using interpolated constrained Delaunay triangulation and the resulting proximity graph is pruned to be heterogeneous to get acceptable linear patterns with regard to Gestalt visual perception. Then, a typification strategy is proposed, in which typification is regarded as a progressive and iterative process consisting of elimination, exaggeration and displacement. The typification strategy iteratively executes eliminating the building with minimum overall effect, exaggerating remaining buildings considering key location and spatial characteristics and displacing them to preserve the linear pattern until elimination quantity is satisfied. Experiments show that this proposed strategy is effective and linear patterns are guaranteed with correctness and completeness. 相似文献
15.
16.
17.
在不同空间数据集中,同名实体往往有不同的空间表现形式,识别多源异构数据集中的同名实体是空间数据集成和应用的关键。集成不同来源的空间数据是提高GIS数据质量的重要方法,识别同名实体是数据集成和分析的先决条件。根据线要素的形状将其分为简单线要素和复杂线要素,针对现有复杂线要素匹配方法中的不足,提出了Fréchet距离的复杂线状要素匹配方法。该方法首先通过曲线要素的几何和拓扑特性获取候选匹配集,然后结合基于Fréchet距离和要素简化方法实现要素的简化。最后提出基于Fréchet距离的要素匹配改进方法,通过引入简化要素的三元组信息来存储简化后的复杂线要素的属性信息,再根据三元组信息选取要素间的匹配对,完成对不同类型匹配对的检测,实现复杂线状要素匹配。试验结果表明,该匹配方法能有效解决复杂线要素的匹配问题,并能够识别1:0、1:N和M:N匹配。 相似文献