论文部分内容阅读
随着我国城镇化进程不断加快,城市发展越来越迅速。城市居民地数据的更新周期越来越短,而城市居民地数据的更新,最为关键的是如何快速获取精度高、现势性强的居民地增量信息。目前,居民地增量信息获取主要有基于GPS设备的地表实测和基于高分遥感影像的要素提取两种方式。第一种方式需要专业的测量仪器和人员,且数据获取周期长、工作量大、生产成本昂贵;第二种方法受限于图像处理技术以及城市现状的复杂性,难以进行自动化作业,且提取正确率和效率也有待提高。近年来,由于OpenStreetMap(OSM)能提供内容丰富、现势性强、免费获取的全球居民地数据,研究其与专业测绘数据匹配问题,从而解决面状居民地要素更新等问题,成为当前面状要素匹配的热点问题之一。由于已有的面状居民地匹配方法,大多是针对专业测绘数据展开研究。但考虑到众源数据的特点,已有方法能否满足众源居民地数据与专业测绘数据间的匹配问题,成为目前相关研究亟需解决的难题。
本文选取OSM面状居民地作为主要研究对象,研究面向众源面状居民地的匹配方法,所做的主要工作体现在以下几个方面:(1)针对常规面状居民地几何描述因子不能较好反映要素的几何特征,导致匹配失败的缺点,本文探讨一种极坐标系下几何描述因子的面状居民地匹配方法。该方法采用极坐标系统,对要素的几何特征进行描述,并结合层次匹配的思想,选取质心因子、面积重叠度因子和极坐标系下的几何描述因子,实现要素的匹配过程。(2)针对在面状居民地要素匹配时,候选匹配集选取较大,易引起匹配失败的缺点,本文引入道路网眼和空间聚类的空间划分方式,探讨一种道路网眼和空间聚类的面状居民地要素匹配方法。该方法引用道路网眼和空间聚类,对整个数据集进行逐级空间划分,逐步缩小候选匹配集,最后选取面积大小、要素的方向和质心三个因子,构造综合指标函数,实现要素的匹配过程。(3)为了验证本文研究的两种方法,本文选取层次匹配法和主成分分析法作为对比算法,与本文的两种改进算法进行实验对比。选取OSM数据和专业测绘数据作为实验数据进行实验,实验结果表明:较层次匹配方法和主成分分析法,本文的两种改进算法结果均具有较高的查全率和查准率,验证了本文改进算法的优势。
本文选取OSM面状居民地作为主要研究对象,研究面向众源面状居民地的匹配方法,所做的主要工作体现在以下几个方面:(1)针对常规面状居民地几何描述因子不能较好反映要素的几何特征,导致匹配失败的缺点,本文探讨一种极坐标系下几何描述因子的面状居民地匹配方法。该方法采用极坐标系统,对要素的几何特征进行描述,并结合层次匹配的思想,选取质心因子、面积重叠度因子和极坐标系下的几何描述因子,实现要素的匹配过程。(2)针对在面状居民地要素匹配时,候选匹配集选取较大,易引起匹配失败的缺点,本文引入道路网眼和空间聚类的空间划分方式,探讨一种道路网眼和空间聚类的面状居民地要素匹配方法。该方法引用道路网眼和空间聚类,对整个数据集进行逐级空间划分,逐步缩小候选匹配集,最后选取面积大小、要素的方向和质心三个因子,构造综合指标函数,实现要素的匹配过程。(3)为了验证本文研究的两种方法,本文选取层次匹配法和主成分分析法作为对比算法,与本文的两种改进算法进行实验对比。选取OSM数据和专业测绘数据作为实验数据进行实验,实验结果表明:较层次匹配方法和主成分分析法,本文的两种改进算法结果均具有较高的查全率和查准率,验证了本文改进算法的优势。