面向矢量线数据的直线形状空间检索方法

形状的认知是空间认知基本问题之一.直线作为最基本的形状,对直线的识别和检索在设备布设、路线规划、车辆测试等方面具有重要的研究意义.针对传统方法对遥感栅格影像进行直线识别时效率低、准确率不高的问题,以矢量数据为研究对象,提出矢量线数据的直线形状空间检索方法.首先,定义"平直度信息量"并提出平直度信息量度量方法,以此描述线要素平直情况;接着,建立了线要素平直序列分段模型,将线要素划分为一组较平直的子段序列;综上两部分,将线要素分段后计算子段平直度信息量,并结合检索条件得到最终检索结果.以OSM路网数据为研究对象,通过实验对比验证该检索方法速度更快,检索结果更全,并且直线道路检索结果不仅在形状上与人的认知相符,而且检索结果中高级道路占比达71.1％,小路仅占2.8％,这与现实中平直道路的属性认知也相符,验证了该方法的可行性与合理性.     

数据库更新中河流与山谷线一致性检测

针对数据更新中常见的河流偏离山谷线这一空间不一致问题,提出了一种基于矢量投影法的快速、准确地提取山谷点的方法,并利用提取出的山谷点来检查与其相关河流的空间关系的一致性;最后利用VB6.0 MO实现了该方法,并进行了大量的数据测试,取得了较好的效果。     

动态空间集下的轮廓更新算法

现有的轮廓查询算法都是针对静态空间集设计的,不适用于空间集变化的情况。针对上述问题,提出动态空间集下的轮廓更新算法。当空间集发生变化导致现有轮廓失效时,无须重新计算所有数据点,只需在共享策略的基础上对部分数据点进行判断,即可快速完成轮廓的更新。理论分析和实验结果证明,该算法可有效减少冗余操作,保证结果的正确性和完整性。     

空间句法中的轴线提取方法研究

空间分割是进行空间句法分析的重要前提,而轴线分割作为其基本方法在对复杂空间的空间句法分析中应用广泛。针对传统轴线分析中轴线绘制过程效率低下和生成标准不确定的情况,提出一种基于轴线约束定义的轴线提取方法。首先提取构形的轮廓信息生成原始点集,然后根据约束性的准则和条件生成所有线集,对所有线集进行类别分析后,构建所有线的交线集合,最后根据交线集合的包含关系来对所有线集进行冗余度消减,得到轴线图。实验结果表明,该方法可以快速高效地生成轴线图,与传统的手工绘制相比,在符合认知习惯的情况下保证了结果的唯一性,能够提高复杂空间的空间句法分析的效率,应用前景广泛。     

Hilbert填充曲线与空间分布模式探测的点数据集空间划分方法

空间数据划分是空间索引、并行GIS数据分解以及分布式数据管理与调度等问题的核心环节之一。针对点数据集多目标空间划分问题,引入Hilbert空间填充曲线和空间分布模式探测过程,提出针对规则、随机和聚集分布模式的点数据集空间划分方法。实验结果表明,该方法能够在缺少覆盖范围信息的条件下准确判定空间分布类型,该方法能够兼顾空间聚集性、数据量均衡与空间重叠度3种约束条件。     

基于空间分割的数据简化和分类

数据简化的目的是简化数据集并保留有用的分类结构 .本文提出一个基于空间分隔的数据简化和分类算法 ,该算法将常规数据库的记录映射到多维空间上 ,从而将数据简化过程转变成在多维空间中同类数据的空间合并问题 ,也就是多维空间中不同类数据的空间分隔问题 ,最终得到一系列分隔空间 ,达到数据简化和分类的作用 .该方法用现实世界的 7个数据集进行评估 ,并与 C4.5所获得的结果进行比较 ,效果是显著的 ,并且结果唯一     

面向断层划分的点集聚类方法

在三维地质建模过程中存在断层划分问题,多个断层面的数据常以单个点集形式给出,无法判定每个断层面所包含的点,为了解决该问题,提出一种方法对点集进行划分。该方法结合空间聚类的思想,使得划分结果包含多个点集,并且每一个点集都能够描述一个断层面。该方法包含3个步骤,先计算每个点的法矢量和平面度,根据点间的临近程度和法矢量夹角,对平面度较大的点进行初次划分。最后通过比较的方法,对平面度较大的点与初次划分失败的点进行二次划分。给出了一个算例,其结果验证了该方法的可行性。     

基于KNN图的空间离群点挖掘算法

空间数据集中离群数据与正常数据之间的非空间属性值相差较大。针对该情况,提出一种基于K-最邻近(KNN)图的空间离群点挖掘算法。该算法通过所有对象的K近邻关系构造KNN图,将相邻对象非空间属性值的差作为2个对象点间的边权值,利用裁边策略去掉权值较高的边,从而识别出空间离群点和离群区域。实验结果表明,该算法的时间性能优于POD算法。     

一种基于路网的多源聚合距离Skyline查询算法

基于路网距离的多源Skyline查询在地图服务中广泛使用,但现有的Skyline查询方法对于复杂的路网距离计算效率低下,并且随着查询点数量的增加查询结果集变得过于庞大,无法为用户提供精简有效的查询结果。为了提高查询结果的有效性和查询效率,提出一种基于最小聚合距离的倒排索引Skyline查询算法,该算法对道路网建立QG-tree索引,提高聚合距离的计算效率;同时对兴趣点集建立倒排索引,结合剪枝策略对兴趣点进行检索,减少聚合距离计算和支配判定的开销,有效地提高查询效率。在真实道路网上的实验表明,所提出的算法效率比现有算法DSR和N3S快1~3个数量级,可以有效地处理道路网环境下多源Skyline查询问题。     

多源空间矢量数据一致性处理技术探讨

地理信息系统的迅速发展和广泛应用积累了大量数据资源,空间数据质量已然成为国际地理信息系统领域的研究热点。作为空间数据产生和更新中的重要数据来源,空间矢量数据的一致性处理问题也更加为人们所关注。本文立足现有的多源空间数据,阐述了多源空间数据不一致性的产生,并对多源空间矢量数据的一致性处理方法进行了探讨,介绍多源空间矢量数据在几何位置、属性特征和要素关系方面的一致性处理方法,提高空间矢量数据的质量和现势性。     

GIS 中矢量线符号偏移量的实现

针对GIS 平台符号库的开发过程中遇到的组合线符号偏移值非零的问题,提出了一种生成折线平行线的算 法。该算法运用向量代数简化了偏移后生成新折点的计算过程,从而提高了线要素符号呈现的效率。实践表明该方法程序实 现较简单,计算效率较高。     

基于空间和属性数据的联合索引技术

传统联合查询通常需要空间数据库对2个索引进行检索,通过集合运算得到最终结果,运算效率较低。针对该缺陷,提出基于空间和属性数据的联合索引技术,在索引目录项中加入属性数据提高联合检索速度。实验结果表明,该技术对于属性与空间位置有较高相关度的数据,具有较高查询效率。     

基于空间信息网络集成的全要素数据模型

首先针对空间信息网络集成中多数据模型集成的问题,分析了栅格、矢量和混合数据模型的特点,然后提出了一种按层次的矢量栅格一体化全要素模型。该模型将实现世界的所有对象均按层次以要素划分与描述,所有数据均以矢量方式进行组织,可以同时描述基于矢量、栅格、三维等模型的数据,克服了目前在空间信息网络集成应用中基于不同模型数据之间不能很好地集成、进行空间分析的缺点。最后构建并给出了点、线、面、体四种基本要素的具体数据结构,针对具体实例进行了分析与描述,并阐述了该模型的特点。     

基于模糊形状上下文与局部向量相似性约束的配准算法

非刚性点集配准研究是模式识别领域的一项重要基础研究.本文在当前流行的非刚性点集配准算法的基础上提出了两个主要贡献:1)模糊形状上下文(Fuzzy shape context, FSC)特征;2)基于局部向量特征的局部空间向量相似性约束项.本文首先进行基于特征互补的对应关系评估,在这一步骤中定义了模糊形状上下文特征,然后基于模糊形状上下文特征差异和全局特征差异设计了特征互补的高斯混合模型.其次,进行基于约束互补的空间变化更新.在这一步骤中,定义了局部向量特征,建立了局部空间向量相似性约束项.本文算法通过使用特征互补的高斯混合模型进行对应关系评估,并将配准问题转化为可以用期望最大化(Expectation maximization, EM)算法解决的参数优化问题,通过创建包含局部空间向量相似性约束项的能量方程优化了空间变换更新.本文首先测试了模糊形状上下文特征的检索率,然后采用公开数据集测试了算法在点集配准与图像配准的性能.在与当前流行的十种算法的对比实验中,本文算法均给出了精确的配准结果,并在大部分实验中精度超过了当前流行算法.     

基于趋势函数的空间数据聚类方法

针对空间数据聚类不重视属性数据利用的问题,在探讨空间属性数据趋向性的基础上,构建刻画属性值随空间位置变化的趋势函数,形成了借鉴于变异函数的二阶模型,并据此建立一个集成空间距离和属性差异的相似度函数,探讨了满足平稳假设和角度容限处理方案,形成了一个以趋势函数为核心的聚类模型K-Trend。实验表明：该算法聚类结果质量高,不受样本影响,且耗时适中,进一步提高了空间数据聚类的实用性。     

一种基于Hilbert排列码的GIS空间索引方法

分析了基于栅格格网的索引数据结构在空间查询中的重要地位,讨论了基于多维数据一维映射的空间排列的优点,对Morton码、Gray码、Hibert码和Sierpinsky码的空间聚类特征进行了分析和比较,得出了Hilbert码在空间查询中效率最高的结论,考虑到基于特征的GIS数据模型的特点,兼顾内存索引与磁盘索引,提出了基于Hilbert空间排列的点特征二叉平衡排序树动态索引结构和基于角点回溯的线特征索引结构,并对其在GIS空间查询中的应用方法进行了论述。     

基于空间特征聚合的车道线检测算法

车道线检测是无人驾驶任务中最重要的模块之一.由于车道线具有独特的结构,且容易受到各种各样复杂环境(比如光线、遮挡、模糊等)的影响,因此车道线检测也是一项很具有挑战性的任务.传统的卷积神经网络(CNN)难以直接学习到精细的车道线空间特征,本文使用空间特征聚合模块对CNN提取的特征在空间维度进行融合增强,为级联的车道线预测器提供了丰富的空间特征信息.实验证明,空间特征聚合模块通过聚合水平和垂直方向的特征图获取精细的全局信息,在多种复杂环境下都能提升车道线检测算法的性能,且不会影响检测的速度.     

基于时空关注区域的视频行人重识别

在执行视频行人重识别任务时,传统基于局部的方法主要集中于具有特定预定义语义的区域学习局部特征表示,在复杂场景下的学习效率和鲁棒性较差。通过结合全局特征和局部特征提出一种基于时空关注区域的视频行人重识别方法。将跨帧聚合的关注区域特征与全局特征进行融合得到视频级特征表示,利用快慢网络中的两个路径分别提取全局特征和关注区域特征。在快路径中,利用多重空间关注模型提取关注区域特征,利用时间聚合模型聚合所有采样帧相同部位的关注区域特征。在慢路径中,利用卷积神经网络提取全局特征。在此基础上,使用亲和度矩阵和定位参数融合关注区域特征和全局特征。以平均欧氏距离评估融合损失,并将三重损失函数用于端到端网络训练。实验结果表明,该方法在PRID 2011数据集上Rank-1准确率达到93.4%,在MARS数据集上mAP达到79.5%,识别性能优于SeeForst、ASTPN、RQEN等方法,并且对光照、行人姿态变化和遮挡具有很好的鲁棒性。     

结合动态图卷积和空间注意力的点云分类与分割

目的 随着3维采集技术的飞速发展,点云在计算机视觉、自动驾驶和机器人等领域有着广泛的应用前景。深度学习作为人工智能领域的主流技术,在解决各种3维视觉问题上已表现出巨大潜力。现有基于深度学习的3维点云分类分割方法通常在聚合局部邻域特征的过程中选择邻域特征中的最大值特征,忽略了其他邻域特征中的有用信息。方法 本文提出一种结合动态图卷积和空间注意力的点云分类分割方法（dynamic graph convolution spatial attention neural networks,DGCSA）。通过将动态图卷积模块与空间注意力模块相结合,实现更精确的点云分类分割效果。使用动态图卷积对点云数据进行K近邻构图并提取其边特征。在此基础上,针对局部邻域聚合过程中容易产生信息丢失的问题,设计了一种基于点的空间注意力（spatial attention,SA）模块,通过使用注意力机制自动学习出比最大值特征更具有代表性的局部特征,从而提高模型的分类分割精度。结果 本文分别在ModelNet40、ShapeNetPart和S3DIS（Stanford Large-scale 3D Indoor Spaces Dataset）数据集上进行分类、实例分割和语义场景分割实验,验证模型的分类分割性能。实验结果表明,该方法在分类任务上整体分类精度达到93.4%;实例分割的平均交并比达到85.3%;在室内场景分割的6折交叉检验平均交并比达到59.1%,相比基准网络动态图卷积网络分别提高0.8%、0.2%和3.0%,有效改善了模型性能。结论 使用动态图卷积模块提取点云特征,在聚合局部邻域特征中引入空间注意力机制,相较于使用最大值特征池化,可以更好地聚合邻域特征,有效提高了模型在点云上的分类、实例分割与室内场景语义分割的精度。     

抗窃听攻击的传感器网络空间范围聚集查询处理算法

现有传感器网络聚集查询隐私保护方法采用加解密的形式保护节点感知数据,且需要网络中的所有节点参与查询处理。过多加解密操作会大量消耗节点能量,且用户可能只对其中部分区域的聚集结果感兴趣。针对这些问题,提出一种抗窃听攻击的传感器网络空间范围聚集查询处理算法PCPDA。该算法沿着既定路线,一边查询一边聚集,使得算法不依赖于预先构造好的拓扑结构,适用于网络拓扑结构动态变化的传感器网络,节省了维护拓扑结构的开销。该算法在未采用任何加密措施情况下保证了节点感知数据的隐私性。理论分析和仿真结果表明,PCPDA在能量损耗和隐私保护方面都优于现有算法。