一种基于小波变换的地图建筑物多边形模式识别方法技术

本发明专利技术公开了一种基于小波变换的地图建筑物多边形模式识别方法，通过计算以小波系数为基础的特征矩阵之间的非相似度进行模板匹配，从而对矢量建筑物多边形进行模式识别。实验结果表明，本发明专利技术提出的基于小波变换的模式识别方法，在提高多边形识别精度的同时，将多边形的识别时间控制在可以接受的范围内，得到了较好的多边形识别效果。

A method of building polygon pattern recognition based on Wavelet Transform

The invention discloses a polygon pattern recognition method of map building based on wavelet transform. By calculating the non similarity between the feature matrices based on the wavelet coefficients, template matching is used to identify the pattern of the polygon of the vector building. The experimental results show that the method of pattern recognition based on wavelet transform can improve the precision of polygon recognition, and control the recognition time of the polygon in the acceptable range, and get a better polygon recognition effect.

【技术实现步骤摘要】
一种基于小波变换的地图建筑物多边形模式识别方法
本专利技术属于信息
，涉及一种模式识别方法，主要涉及一种以小波系数作为描述子对地图建筑物多边形进行模式识别的方法。
技术介绍
模式识别是指对表征事物或是现象的数值的、文字的或是逻辑关系层面的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。在测绘类学科中，模式识别被用来进行地理信息提取，特定地理要素的识别，自动制图综合，遥感图像分等工作，有着不可替代的作用。模板匹配法是模式识别中最简单实用的一种方法，最基本的模板匹配法通过对目标图像与模板图像进行逐像素地对比计算非相似度来进行匹配，这种方法虽然准确性高，但是效率很低，因此一直以来都有学者致力于寻找改良的模板匹配。改良方法的基本思路一般是通过一些方法生成数值的描述子来描述目标的形状，描述子应尽可能区别不同目标并且对目标的一些细微变化不敏感。一些常用的描述子包括链码、样条、矩、傅里叶描述子等。上述方法中，采用链码和矩作为描述子的方法通常适用于像素图形，若将矢量多边形转化为像素图形再使用上述方法会降低效率，样条方法多用于描述由复杂曲线构成的图形，用傅里叶方法处理矢量多边形已经有了一定的成果，如帅赟等(2008)使用傅里叶描述子为基础进行模板匹配，艾廷华等(2009)的以傅里叶变换为基础定义的相似度的计算方法，但傅里叶方法对于规则的多边形而言一般会展开到很高的阶次，因此这些方法对于由顶点以及直线段构成的矢量多边形而言效果并不是最好。在模式识别领域中，由于Mallat快速算法的存在，小波在等间隔采样的数据(像素图、均匀采样的音频或电信号等)的处理上具有天然的优势。利用小波方法对像素图或栅格数据进行识别的研究已经有了相当的理论成果。但由于矢量多边形数据并非等间隔采样数据，因此应用小波分析的方法时不能直接套用对像素图进行处理时采用的算法。
技术实现思路
本专利技术主要解决现有的矢量多边形模式识别存在的技术问题，提出了一种基于小波描述子的地图建筑物多边形模式识别方法。本专利技术所采用的技术方案是：一种基于小波变换的地图建筑物多边形模式识别方法，其特征在于，包括以下步骤：步骤1：分别计算目标多边形与模板多边形的特征矩阵；步骤2：通过两个特征矩阵求取目标多边形与模板多边形之间的非相似度；步骤3：判断目标多边形与模板多边形是否匹配成功，并输出模式识别结果。本专利技术利用小波变换计算地图建筑物多边形以及模板多边形的特征系数，用特征系数构成的特征矩阵对建筑物多边形进行模式识别，通过计算两个特征矩阵的非相似度来确定基于小波描述子的地图建筑物多边形模式识别方法的可靠性与效率上的可行性。本专利技术在提高多边形识别精度的同时，将多边形的识别时间控制在可以接受的范围内，得到了较好的多边形识别效果。附图说明图1是本专利技术实施例的流程示意图；图2是本专利技术实施例的DB2小波的函数图像；图3是本专利技术实施例中用小波系数重构的三个多边形；图4是本专利技术实施例1的应用模板多边形示意图；图5是本专利技术实施例1的应用目标多边形示意图；图6是本专利技术实施例1的应用武汉大学家属区建筑物分布图的一部分；图7是本专利技术实施例1的应用武汉大学家属区建筑物分布图的一部分模式识别的结果示意图；图8是本专利技术实施例2的应用模板多边形示意图；图9是本专利技术实施例2的应用1：10000深圳市区图的一部分；图10是本专利技术实施例2的应用小波模式识别方法实验结果示意图；图11是本专利技术实施例2的应用传统模式识别方法实验结果示意图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术提供的一种基于小波变换的地图建筑物多边形模式识别方法，包括以下步骤：步骤1：分别计算目标多边形与模板多边形的特征矩阵；步骤1.1：输入多边形，包括目标多边形和模板多边形；步骤1.2：将多边形看做一个做匀速运动的点的位置随时间的变化而形成的轨迹，并对其轨迹的表达式做周期延拓，得到多边形的函数表达方式如下式：其中，t表示时间，t∈(-∞,+∞)，x表示多边形上的点的横坐标随时间变化的函数，y表示多边形上的点的纵坐标随时间变化的函数，x(t)表示t时刻多边形上点的横坐标，y(t)表示t时刻多边形上点的纵坐标；步骤1.3：对多边形进行特征提取，得到模板多边形和目标多边形的特征矩阵；步骤1.3.1：选取多边形P的顶点p0(x0，y0)，p1(x1，y1)，...，pk(xk，yk)作为特征点，其中，k表示多边形P的顶点个数；步骤1.3.2：计算多边形的同一个特征点pi(xi，yi)在m取值不同值时的所有的特征系数计算公式如下：其中，m∈Z且-5≤m≤0，nm,i是使得函数ψm,n(t)的非零区间中点位于顶点pi上的n的取值，函数ψm,n(t)由母小波函数ψ(t)经过形变和平移得到；步骤1.3.3：将多边形的同一个特征点pi上的特征系数按其小波函数的m取值从大到小排列构成多边形的一个特征向量Bi，特征向量Mi的表达式如下：其中，0≤i≤k，且i∈Z；步骤1.3.4：将所有特征点的特征向量按顺序排列构成多边形特征矩阵，特征矩阵MP的表达式如下：步骤2：通过两个特征矩阵求取目标多边形与模板多边形之间的非相似度；步骤2.1：由于模板多边形与目标多边形的顶点数一般不同，因此得到的矩阵行数一般不同，因此先根据模板多边形的特征矩阵Mo＝(A0，A1,...，Al)T，和目标多边形的特征矩阵Mp＝(B0，B1，...，Bk)T计算两个矩阵的行向量之间的非相似度矩阵N的各个元素，计算公式如下：其中，0＜i＜k，D(Am,Bn)指两向量Am,Bn的欧氏距离；表示对于确定的m值，目标多边所有特征点的特征系数的最大值；获得非相似度矩阵N的表达形式如下：步骤2.2：若非相似度矩阵N的行数小于列数，则将N转置；步骤2.3：依次从非相似度矩阵N的每一行中取出一个数，且规定后取出的数所在列必须比先取出的数所在列更靠右，用依此规则取出的数的总和的最小值除以向量的行数得到目标多边形与模板多边形之间的非相似度。步骤3：判断目标多边形与模板多边形是否匹配成功，并输出模式识别结果；步骤3.1：观察目标多边形与模板多边形的形状，选出与模板多边形形状近似的目标多边形，得到这些目标多边形与模板多边形非相似度的最大值，并将该最大值或接近并大于该最大值的某一整数值作为非相似度阈值；步骤3.2：将所求目标多边形按照步骤1和步骤2求得与模板多边形的非相似度，并与步骤3.1得到的阈值进行比较，若求取的非相似度大于阈值，则匹配失败，若所求取得非相似度小于等于阈值，则匹配成功。本专利技术创造性的使用基于小波变换的方法生成的小波描述子对地图建筑物多边形进行模式识别，解决技术背景中出现的问题。本专利中涉及到的关键问题如下：(1)本专利技术主要用到多贝西小波DB2为基础的二进小波变换得到的小波系数。二进制小波变换的表达式如下：其中，参数控制形变尺度，称为尺度系数，参数控制图形在坐标轴上的左右位移，称为平移系数,当同时满足n∈Z时，上式为函数f的离散小波变换，函数ψa,b(t)由满足的母小波ψ(t)通过形变和平移得到。多本文档来自技高网...

【技术保护点】
1.一种基于小波变换的地图建筑物多边形模式识别方法，其特征在于，包括以下步骤：步骤1：分别计算目标多边形与模板多边形的特征矩阵；步骤2：通过两个特征矩阵求取目标多边形与模板多边形之间的非相似度；步骤3：判断目标多边形与模板多边形是否匹配成功，并输出模式识别结果。

【技术特征摘要】
1.一种基于小波变换的地图建筑物多边形模式识别方法，其特征在于，包括以下步骤：步骤1：分别计算目标多边形与模板多边形的特征矩阵；步骤2：通过两个特征矩阵求取目标多边形与模板多边形之间的非相似度；步骤3：判断目标多边形与模板多边形是否匹配成功，并输出模式识别结果。2.根据权利要求1所述的基于小波变换的地图建筑物多边形模式识别方法，其特征在于，步骤1的具体实现包括以下子步骤：步骤1.1：输入多边形，包括目标多边形和模板多边形；步骤1.2：将多边形看做一个做匀速运动的点的位置随时间的变化而形成的轨迹，并对其轨迹的表达式做周期延拓，得到多边形的函数表达方式如下式：其中，t表示时间，t∈(-∞,+∞)，x表示多边形上的点的横坐标随时间变化的函数，y表示多边形上的点的纵坐标随时间变化的函数，x(t)表示t时刻多边形上点的横坐标，y(t)表示t时刻多边形上点的纵坐标；步骤1.3：对多边形进行特征提取，得到模板多边形和目标多边形的特征矩阵。3.根据权利要求2所述的基于小波变换的地图建筑物多边形模式识别方法，其特征在于，步骤1.3的具体实现包括以下子步骤：步骤1.3.1：选取多边形P的顶点p0(x0，y0)，p1(x1，y1)，...，pk(xk，yk)作为特征点，其中，k表示多边形P的顶点个数；步骤1.3.2：计算多边形的同一个特征点pi(xi，yi)在m取值不同值时的所有的特征系数计算公式如下：其中，m∈Z且-5≤m≤0，nm,i是使得函数ψm,n(t)的非零区间中点位于顶点pi上的n的取值，函数ψm,n(t)由母小波函数ψ(t)经过形变和平移得到；步骤1.3.3：将多边形的同一个特征点pi上的特征系数按其小...

【专利技术属性】
技术研发人员：李精忠，吴丹丹，闫沂婷，高俊，张圆，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42