基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法

论文摘要

由于不同来源或不同时间,导致了同一地物在存储方式或属性等方面存在着很多差异,这给后期的数据处理和使用带来了诸多不便,因此矢量空间数据匹配已经成为关键性问题。为了便于矢量数据匹配,提出了一种基于栅格化的线状矢量数据匹配方法,其主要思想是对线状矢量数据栅格化,利用支持向量机（support vector machine,SVM）算法提取出所要研究的数据,然后利用Harris算子提取特征点,用尺度不变特征转换（scale-invariant feature transform,SIFT）算法计算特征向量并对其进行匹配,最后把匹配结果转换为矢量数据。结果表明该算法不受平移、旋转、缩放、明亮度变化等的影响,弥补了矢量匹配过程中因数据旋转等问题而无法匹配的不足,将矢量数据栅格化处理,使其数据结构更简单,操作容易,更易于算法的实现。可见该方法便于线状矢量数据的匹配,为道路匹配提供了一种新的方法。

论文目录

• 1 基于局部特征点的空间数据匹配
•   1.1 匹配方法思路
•   1.2 算法流程
•     1.2.1 数据前期处理
•     1.2.2 矢量数据栅格化
•     1.2.3 图像分类
•     1.2.4 获取特征点
•     1.2.5 特征描述
•     1.2.6 把匹配结果图转化为矢量图显示
• 2 匹配实验
•   2.1 实验一
•   2.2 实验二
• 3 结论

文章来源

类型: 期刊论文

作者: 楚潇蓉,逯跃锋,陈坤,陆黎娟,范俊甫

关键词: 线状矢量数据,栅格化,特征提取,机器学习,匹配

来源: 科学技术与工程 2019年28期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 自然地理学和测绘学,计算机软件及计算机应用,自动化技术

单位: 山东理工大学建筑工程学院,中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室

基金: 国家重点研发计划(2017YFC0822003,2017YFB0503500,2017YFC1405000,2017YFB0503802),资源与环境信息系统国家重点实验室开放基金,国家自然科学基金(91646207),中国科学院A类战略性先导科技专项(XDA20030302)资助

分类号: P208;TP181

页码: 35-41

总页数: 7

文件大小: 5392K

下载量: 64