基于方向相似性的面状矢量数据匹配算法与策略研究.docVIP

基于方向相似性的面状矢量数据匹配算法与策略研究 摘要：数据一致性匹配处理技术是空间数据融合中的关键技术。本文采用方向关系矩阵模型进行空间方向关系描述，讨论了空间方向相似性计算方法，提出了复杂情况下的匹配策略。最后，以面状目标为研究对象，以1：500城市规划与房产数据为例，对基于空间方向相似性的矢量数据匹配算法进行了试验与分析。 关键词：数据匹配 数据融合 空间方向关系 空间方向相似性 现实世界中的同一现象往往具有不同的表达形式，数据匹配就是显式地建立这些不同形式之间的对应关系，数据一致性匹配处理技术是空间数据集成与同化中的关键技术。由于矢量空间数据语义信息丰富，拓扑关系复杂以及匹配时还要考虑几何形状和位置差异，矢量空间数据自动匹配技术一直是相关研究的难点与热点。 矢量空间数据匹配的途径主要包括几何匹配、拓扑匹配和语义匹配。矢量空间数据几何匹配的基础是空间相似性，本文以空间方向相似度计算为基础，结合双向匹配策略来进行面状矢量空间数据匹配研究。 1空间方向概念描述 空间方向存在于地理空间的两个目标之间，是在一定的方向参考系统中从一个空间目标到另一个空间目标的指向，通常用角度（定量）或东、南、西、北等（定性）术语表示。空间方向关系描述模型可以从定量和定性两个方面进行。就定量方向模型而言，它主要是运用方向角数据精确地给出目标间的方向关系值。定性方向模型有包括方向关系矩阵模型在内的8种模型[1,3]。我们采用方向关系矩阵模型进行空间方向关系描述，因为该模型对凹形对象能提供更好的空间方向评估。 （1）空间方向关系描述 关系矩阵模型运用投影法，将目标对象所在的空间分成9个独立的方向片(图1)，外面的8个方向片表示了8个方向，中心方向片为O。 （2）空间方向关系矩阵 按参考对象进行空间方向分区，A为参考对象，一个3×3方向关系矩阵可表示为： （3）空间方向距离 空间方向距离[7]是空间方向之间的差别，反之就是空间方向相似性。当目标对象方向改变时，如果在同一个方向片中变换，定义方向距离为0；如果在NE和SW 方向片之间以及NW 和SE方向片之间变换，定义方向距离为4，且为最大方向距离。 （4）空间方向相似性值 两个方向的空间方向相似性值可以定义为[7]： (1) 式中， 取4(图3)；d()指矩阵转换到的最小代价(方向距离)。 2 空间方向相似性计算 采用栅格数据形式，可以有效化简空间方向相似性计算方法。以面状目标为例，一个面状目标相对于参考面状目标的方向关系矩阵可以转换为该面状目标的所有栅格单元的方向关系矩阵的集合。 （1）理想情况下的空间方向相似性计算 将每个栅格单元移动的方向距离累加后除以目标对象的栅格单元总数即得该对象的平均方向距离。面状目标空间方向相似性值计算公式如下[3]： (2) 式中，为参考图；为与参考图相比较的图；n为匹配对象中的栅格单元数；为每个栅格移动的方向距离；为两幅图相比较的相似值。 (2) 不同形状空间目标方向相似性计算 两种不同的数据集，即使是同一目标，其形状也不可能完全相似，因此，前述算法只是理想情况下的计算方法。对于不同数据集中形状不同的目标的相似性计算，可按下述思路进行。 (a) (b) 如图5，以A为参照目标，以图5 (a)中的B对象栅格数为基准，计算图5 (a)到图5 (b)的空间方向相似性值。计算原则为： ① 与图5 (b) 中B对象相对照，图5 (a)中B对象没有而图5 (b) 中B对象有的栅格，移动距离按0计算； ② 图5 (a)中B对象有而图5 (b) 中B对象没有的栅格，移动距离按4计算； ③ 其它情况的移动距离，仍然参照区域的4个邻近方向距离图来计算。 以图5为例，计算过程如下： 图5 (a) 中B对象的栅格数为16，图5（b）中对象B的栅格单元相对于图5（a）在方向片上由NE移动到N的有5个栅格单元，其空间方向相似性值为。 反过来，以A为参照目标，以图5 (b)中的B对象栅格数为基准，计算图5 (b)到图5 (a)的空间方向相似性值。图5 (b) 中B对象的栅格数为30，图5（a）中对象B的栅格单元相对于图5（b）在方向片上由N移动到NE的有5个栅格单元，图5 (b) 中B对象有13个栅格单元在图5（a）中对象B中没有，移动距离记为4。图5 (b)到图5 (a)的空间方向相似性值为。 设定阈值k，如果与的相似性值都大于k，则一对一匹配。利用同样方法也可对线状目标相似性进行计算。 （3）复杂情况匹配策略 上述方法实现了一对一的匹配，对于多对一、多对多的匹配，可采用合适的匹配策略，基本思路如下： 现有两幅不同来源存在一定差异的数据集，数据集A的面实体集为{}，数据集B的面实体集为{}，两幅图的实体个数可能并不相等，即m可能不等于n。实体匹配的