面向同名道路网面要素匹配的傅立叶形状相似性模型研究

摘要

单一数据源对地物表达具有一定的局限性，而多源数据对地物表达具有优势互补的特点。融合多源数据，有利于对更精确的表达地物目标。配准是融合多源数据的前提，而多源数据配准的关键技术是同名要素匹配。针对多源数据配准中同名要素匹配所采用的特征相似性指标存在要求数据尺度接近、单一特征相似性指标具有较强的片面性、综合利用多个指标时权重分配模糊和计算复杂等问题，研究基于位置函数、基于多边形近似和基于转向函数等三种傅立叶形状相似性模型在同名道路网面要素匹配中的适用性，实现同名道路网面要素匹配。本文的主要工作如下： （1）基于多源遥感数据的道路网面要素提取。从同一城市的高分辨率遥感影像、机载LiDAR点云数据中提取道路网数据，为基于傅立叶形状相似性模型的同名面要素匹配实验提供数据支撑。 （2）基于位置函数的傅立叶形状相似性模型。以面要素轮廓曲线任意点作为初始点，并按逆时针方向等间隔采样点，利用采样点的离散傅立叶级数展开式的系数的模构建形状描述模型，采用 Min-Max 方法对形状描述模型进行归一化处理，进而基于欧式距离函数构建基于位置函数的傅立叶形状相似性模型。 （3）基于多边形近似的傅立叶形状相似性模型。利用面要素轮廓曲线上的相邻顶点组成面要素的近似多边形，以近似多边形上任意点作为起始点，按逆时针方向任意点相对起始点的弧长函数，利用弧长函数的连续傅立叶级数展开式的系数项的模构建基于多边形近似的形状描述模型、归一化形状描述模型和形状相似性模型。 （4）基于转向函数的傅立叶形状相似性模型。采用Douglas-Peucker算法对面要素轮廓曲线上的顶点进行抽稀以提取显著特征点，并利用相邻显著特征点所组成的向量的转向角构建面要素轮廓曲线的转向函数，进而利用转向函数的连续傅立叶级数展开式的系数的模构建基于转向函数的形状描述模型和形状相似性模型。 （5）编程实现了同名道路网面要素匹配，通过试验对比分析了基于位置函数、基于多边形近似和基于转向函数的傅立叶形状相似性模型在平移、旋转、尺度和起始点变化等方面的特点，总结了三种模型的在同名面要素匹配中的适用性。 实验表明，基于位置函数、基于多边形近似和基于转向函数的傅立叶形状相似性模型均具有平移、旋转、尺度不变性和起始点独立性。基于位置函数的傅立叶形状相似性模型要求采样点数量一致且等间隔采样使其更适合于数据尺度差异较小的同名要素匹配；基于多边形近似的傅立叶形状相似性模型对数据尺度没有要求，但也存在顶点冗余的问题；基于转向函数的傅立叶形状相似性模型克服了顶点冗余的问题，并且该模型不需要对形状描述模型进行归一化处理。基于位置函数和基于多边形近似的傅立叶形状相似性模型具有一定的片面性，但抗噪能力优于基于转向函数的傅立叶形状相似性模型；基于转向函数的傅立叶形状相似性模型虽然受到面要素提取噪声影响且抽稀处理会增大面要素之间的形状差异，但基于转向函数的傅立叶形状相似性模型具有更好的稳定性，当相似度大于 0.9时，可判定该匹配对为同名面要素。因此基于转向函数的傅立叶形状相似性模型更适用于多源数据配准中的同名面要素匹配。 本文的研究成果对进一步开展多源数据配准具有积极的参考价值。

目录

第一个书签之前