[发明专利]基于匹配控制子图的复合多边形相似性度量方法有效
申请号: | 201910410580.4 | 申请日: | 2019-05-16 |
公开(公告)号: | CN110378363B | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 徐永洋;胡安娜;谢忠;冯雅兴;曹豪豪 | 申请(专利权)人: | 中国地质大学(武汉) |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/11 |
代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 易滨 |
地址: | 430000 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 匹配 控制 复合 多边形 相似性 度量 方法 | ||
本发明提出了一种基于匹配控制子图的复合多边形相似性度量方法,该方法以制图精度为基础,利用子多边形匹配结果描述子多边形的分布,定义为匹配位置图;利用简单的形状相似性、子多边形复杂度和邻域支持计算出匹配控制子多边形,其决定了子多边形的匹配。本发明所提出方法可以:(1)通过匹配控制子图协调子图匹配冲突问题,实现复合多边形子图精确匹配;(2)利用匹配位置图描述子多边形之间的拓扑关系;(3)可以度量不同关系的匹配对的形状相似性。
技术领域
本发明涉及地图制图学与地理信息科学,更具体地说,涉及一种基于匹配控制子图的复合多边形相似性度量方法。
背景技术
空间数据的相似性在工业和学术界都起着重要作用,它在地理信息科学的各个领域都得到了应用,包括地图质量评估,空间搜索,制图综合,地图更新,等等。近年来,许多研究人员致力于空间实体对象对比的相关研究,包括语义相似性,拓扑相似性以及几何相似性。语义相似性是基于空间对象的属性等非空间信息来度量的。然而,对于一些数据如志愿地理信息(即而言语义信息几乎是很少的。利用匹配空间对象的关系和微小差异进行拓扑相似性度量,可能导致不同的匹配结果。因此,几何相似性在数据匹配、搜索、更新等方面得到了广泛的应用。
几何相似性或几何匹配的主要根据是形状相似性。形状是空间物体的视觉表现,它对物体识别和搜索非常重要。空间对象一般在二维地图中用点、线和多边形表示。多边形在二维地图中占很大比重,它们不仅是地图的主要信息,也是地图使用者最关心的内容。在现实世界中,多边形通常用来表示区域实体。地理矢量数据中的多边形分为三类,如简单多边形、带洞多边形和复合多边形。过去,已有一些研究用于计算地图中多边形之间的相似性。例如使用形状上下文描述符、单傅立叶描述子作为形状特征来描述多边形并计算其相似性;或通过形状多级描述法度量多边形之间的相似性。之前的学者对度量多边形之间相似性的方法有了一些有益的见解。然而,这些方法要么度量单个多边形之间的相似性或者计算带洞多边形之间的相似性,所有这些方法都不能用于对复合多边形相似性的计算。
发明内容
本发明要解决的技术问题在于,针对现有技术中度量多边形之间相似性的方法的要么度量单个多边形之间的相似性或者计算带洞多边形之间的相似性,所有这些方法都不能用于对复合多边形相似性的计算的技术缺陷,一种基于匹配控制子图的复合多边形之间相似性度量的方法。
本发明解决其技术问题所采用的技术方案是:构造一种一种基于匹配控制子图的复合多边形相似性度量方法,其特征在于,包含如下步骤:
S1、通过复合多边形的简单图形形状相似度、平均形状复杂度和邻域支持度的乘积计算复合多边形的匹配控制子图,具体公式如下:
IM=S×C×NS,
其中,IM表示匹配控制子图,S是形状相似性,C代表平均形状复杂度,NS是邻域支持度;
S2、基于匹配控制子图,通过叠加不同目标区中的控制多边形,进而实现对不同数据集中复合多边形M1和M2中的子多边形匹配,得到匹配位置图;其中,如果子多边形相交,则该子多边形与其他子多边形匹配,并记为1:1,否则记为1:o,以具有m:n对应关系的复合多边形可以分解成一些简单的关系,其中om,on,m和n表示变量,代表对应的比例关系;
S3、计算位置图的相似度:在计算相似度时,如果匹配对位置图有一个点,则根据顶点数目计算得到相似度Simp;如果匹配对位置图有一条线,则通过直线长度得到相似度Simp,如果匹配对的位置图为多边形,通过下面描述的转角方程来获得相似Simp:
Simp=1-d(P1,P2)/2,
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910410580.4/2.html,转载请声明来源钻瓜专利网。