【技术实现步骤摘要】
本专利技术涉及矢量数据匹配生产领域，尤其涉及一种基于实体对齐的矢量面要素匹配方法。
技术介绍
1、地形要素数据是描述地球表面形态和地理特征的数据集合，在基础设施规划、工程设计、水资源管理、自然灾害管理和风险评估等领域具有广泛研究。数据主要来源于地面测绘、原有地形图数字化、激光雷达和航空摄影等途径，包括地貌特征点、道路、河流和建筑物等以点线面形式表达的不同类型的要素。面要素是城市的基本物质要素之一，在空间数据库占比很大，如建筑物基底、水域面、边坡面等均需通过面要素表达其空间位置和范围特征。但生产方式和采集原理的不同，导致不同源数据集存在数据精度，丰富度和现势性等方面有不同的侧重。面要素匹配可建立多源数据间同名实体的联系，是地形要素数据集成与更新的关键技术，促进城市信息化建设。
2、对矢量面要素匹配的研究经过近三十年的发展，国内外研究取得了显著的进步和丰硕的研究成果。主要分为两类：指标加权和基于学习的匹配方法。指标加权方法是利用矢量面要素的特征，诸如几何描述符、语义特征、空间关系等特征单独或组合加权度量面要素的相似性。基于学习的匹配方法将空间实体匹配视为一种有监督的分类问题，从而弱化专家权值的主观影响，以便对面要素匹配情况进行评估。同时，为了进一步提高匹配效果，一些层次匹配规则、聚类组合、概率松弛等也被用来优化特征描述规则以更好的实现多对多关系的识别。
3、尽管以上匹配策略取得了较好的匹配效果，但指标的权重和阈值设定通常需要依赖专家的知识和经验，无法有效适应不同的数据情形，这可能导致结果中的决策不可靠。另外，
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种基于实体对齐的矢量面要素匹配方法，能够在少量正例样本条件下，学习异源面要素匹配特征，有效识别存在位置偏差的同名面要素匹配关系，可为数字化地形图质量检查、增量更新等提供技术支撑。
2、根据本专利技术的第一方面，提供了一种基于实体对齐的矢量面要素匹配方法，包括：步骤1，构建包含多个所述面要素候选匹配对(ai，bj)的训练样本集，并计算各个所述候选匹配对(ai，bj)的相似性指标；i和j表示序号数；
3、步骤2，用ocsvm分类器构建得到匹配关系识别模型，将所述训练样本集输入所述匹配关系识别模型中进行学习；将待匹配面要素输入训练完成的所述匹配关系识别模型中，从所述匹配关系识别模型的输出结果中筛选得到匹配关系为1∶1的面要素对匹配结果；
4、步骤3，利用路网、类voronoi图以及1∶1匹配结果共同作为分割边界，将实验区域分割为数个闭合域，再根据多边形的重要性求得闭合域内的控制多边形，依据控制多边形对齐闭合域内存在整体偏差的数据；依据所述控制多边形的偏移方向和距离，对闭合域内存在整体偏差的数据进行对齐；
5、步骤4，获取各种匹配关系的待匹配面要素的候选匹配对，利用所述匹配关系识别模型识别各个待匹配面要素的候选匹配对。
6、在上述技术方案的基础上，本专利技术还可以作出如下改进。
7、可选的，所述步骤1包括：
8、对异源面要素集合a和异源面要素集合b中数据的基准进行统一后，对异源面要素集合a中的任意面要素ai和异源面要素集合b中的任意面要素bj进行拓扑相交和拓扑邻近分析，得到各个面要素候选匹配对(ai，bj)；
9、选取多个所述面要素候选匹配对(ai，bj)构建得到训练样本集；
10、所述步骤2中将所述训练样本集输入所述匹配关系识别模型中学习所述训练样本集中各个所述面要素候选匹配对(ai，bj)的相似性特征。
11、可选的，所述步骤1中进行拓扑相交和拓扑邻近分析的过程包括：
12、将异源面要素数据进行叠加，获取目标面要素与参考面要素的拓扑相交关系；使用面要素质心的delaunay三角网获取面要素的拓扑邻近关系，获取匹配关系为1∶1的所述面要素候选匹配对。
13、可选的，所述相似性指标包括：位置相似性、方向相似性、面积相似性、形状相似性、上下文相似性和拓扑相似性中的至少一个；
14、所述拓扑相似性指标计算公式为：
15、
16、其中，tpi为用于描述待匹配面要素与其拓扑相邻面要素的关系的拓扑强度，ni表示邻近面要素数量，xh表示是否匹配的标签值，若该邻近匹配则xh＝1，若该邻近不匹配则xh＝-1；
17、tps为拓扑深度，ns表示邻近多边形数量，li-part表示类voronoi图中该邻近要素的闭合域边长，lall表示类voronoi图中该待匹配要素的闭合域总边长，decision-vi表示第i个邻居匹配对的决策函数值；
18、tp表示邻近面要素对待匹配面要素的匹配支持程度；
19、simtp(a，b)为面要素a和b的拓扑相似性。
20、可选的，所述步骤2中训练所述匹配关系识别模型的过程包括：
21、步骤201，得到每个建筑的候选匹配关系，然后识别出具有匹配关系的建筑，并将其相似性特征向量标记为正样本，而将没有匹配关系的候选匹配对标记为负样本；
22、步骤202，将所述训练样本集根据面积重叠度分为严格训练样本集和一般训练样本集，利用严格样本集的位置相似性、方向相似性、面积相似性和形状相似性训练严格识别模型，利用一般训练样本集的位置相似性、方向相似性、面积相似性、形状相似性、拓扑相似性和上下文相似性获取一般识别模型；
23、步骤203，选择高斯核函数构造ocsvm分类模型为所述匹配关系识别模型。
24、可选的，所述步骤2中基于训练好的匹配关系识别模型预测匹配关系的过程包括：严格匹配关系预测和一般匹配关系预测：
25、所述严格匹配关系预测包括：从参考数据a和目标数据b中选取拟匹配的样本，获取候选匹配对；通过训练好的严格分类模型对候选匹配对的位置、方向、面积和形状相似度进行预测，输出分别表示匹配和不匹配的预测结果1和-1；
26、所述一般匹配关系预测包括：遍历初始匹配结果中的未匹配对要素集a1和b1，假设待匹配建筑集为a＝{a1，a2，......，an}、b＝{b1，b2，......，bn}，穷举b与某个待匹配要素ai的候选匹配情况，计算待匹配要素相似度特征值，用一般匹配关系识别模型得到最终预测结果，确定匹配关系，并将已匹配的面要素更新到原始数据，为余下的匹配提供上下文信息；依次迭代，直至遍历完所有要素，得到匹配关系为1∶1的所述面要素对匹配结果。
27、可选的，所述步骤3包括：
28、步骤301，获取每个路网闭合域的面要素匹配结果，利用层次聚类算本文档来自技高网...
【技术保护点】
1.一种基于实体对齐的矢量面要素匹配方法，其特征在于，所述匹配方法包括：
2.根据权利要求1所述的匹配方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的匹配方法，其特征在于，所述步骤1中进行拓扑相交和拓扑邻近分析的过程包括：
4.根据权利要求2所述的匹配方法，其特征在于，所述相似性指标包括：位置相似性、方向相似性、面积相似性、形状相似性、上下文相似性和拓扑相似性中的至少一个；
5.根据权利要求1所述的匹配方法，其特征在于，所述步骤2中训练所述匹配关系识别模型的过程包括：
6.根据权利要求5所述的匹配方法，其特征在于，所述步骤2中基于训练好的匹配关系识别模型预测匹配关系的过程包括：严格匹配关系预测和一般匹配关系预测：
7.根据权利要求1所述的匹配方法，其特征在于，所述步骤3包括：
8.根据权利要求2所述的匹配方法，其特征在于，所述步骤3中，
9.根据权利要求2所述的匹配方法，其特征在于，所述步骤3中所述内边界生成的过程包括：
10.根据权利要求1所述的匹配方法，其特
...【技术特征摘要】
1.一种基于实体对齐的矢量面要素匹配方法，其特征在于，所述匹配方法包括：
2.根据权利要求1所述的匹配方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的匹配方法，其特征在于，所述步骤1中进行拓扑相交和拓扑邻近分析的过程包括：
4.根据权利要求2所述的匹配方法，其特征在于，所述相似性指标包括：位置相似性、方向相似性、面积相似性、形状相似性、上下文相似性和拓扑相似性中的至少一个；
5.根据权利要求1所述的匹配方法，其特征在于，所述步骤2中训练所述匹配关...
【专利技术属性】
技术研发人员：李俊，覃双煜，黄志华，李三明，阎波，陶源，胡家文，付铭，汤少帅，
申请(专利权)人：中国市政工程中南设计研究总院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。