目錄
“新一代人工智能理論、技術(shù)及應(yīng)用叢書”序
前言
第1章 VGI數(shù)據(jù)理解 1
1.1 認(rèn)識VGI數(shù)據(jù) 1
1.1.1 VGI數(shù)據(jù)的概念和特點(diǎn) 2
1.1.2 VGI數(shù)據(jù)的發(fā)展 3
1.1.3 VGI數(shù)據(jù)與傳統(tǒng)GIS數(shù)據(jù)的區(qū)別 4
1.1.4 OSM簡介 5
1.2 VGI數(shù)據(jù)的優(yōu)勢 6
1.2.1 VGI具備的資源優(yōu)勢 7
1.2.2 VGI具備的技術(shù)優(yōu)勢 7
1.2.3 VGI具備的社會優(yōu)勢 7
1.3 VGI數(shù)據(jù)的貢獻(xiàn) 8
第2章 理解數(shù)據(jù)質(zhì)量 10
2.1 數(shù)據(jù)質(zhì)量概述 10
2.1.1 數(shù)據(jù)和數(shù)據(jù)質(zhì)量的定義 10
2.1.2 評價(jià)數(shù)據(jù)質(zhì)量的相關(guān)概念 11
2.2 數(shù)據(jù)質(zhì)量問題 12
2.2.1 數(shù)據(jù)質(zhì)量問題的種類 12
2.2.2 如何評價(jià)數(shù)據(jù)質(zhì)量 13
2.3 地理信息數(shù)據(jù)質(zhì)量 13
2.3.1 地理信息數(shù)據(jù)的發(fā)展歷程 13
2.3.2 地理信息數(shù)據(jù)質(zhì)量問題的產(chǎn)生 14
2.3.3 地理信息數(shù)據(jù)質(zhì)量評價(jià)現(xiàn)狀 15
2.3.4 VGI數(shù)據(jù)質(zhì)量評價(jià) 16
2.4 OSM數(shù)據(jù)質(zhì)量問題描述 17
2.4.1 OSM數(shù)據(jù)質(zhì)量問題 17
2.4.2 影響OSM數(shù)據(jù)質(zhì)量的原因 18
2.5 OSM數(shù)據(jù)質(zhì)量評價(jià) 19
2.5.1 數(shù)據(jù)質(zhì)量評價(jià)體系 19
2.5.2 OSM數(shù)據(jù)質(zhì)量評價(jià)內(nèi)容 21
2.6 空間相似性與OSM數(shù)據(jù)質(zhì)量 23
2.6.1 空間實(shí)體與空間實(shí)體相似性 23
2.6.2 基于空間相似性的數(shù)據(jù)質(zhì)量 23
第3章 簡單建筑物相似性計(jì)算 25
3.1 形狀輪廓特征點(diǎn)提取 26
3.1.1 常見的提取方法 26
3.1.2 幾何特征選取的要求 27
3.1.3 形狀輪廓特征點(diǎn)提取的一般步驟 28
3.2 建筑物輪廓的數(shù)學(xué)描述 28
3.2.1 常見的數(shù)學(xué)描述方法 29
3.2.2 以數(shù)學(xué)方式描述建筑物輪廓的優(yōu)勢 29
3.3 相似性度量方法 30
3.3.1 描述模型構(gòu)建 30
3.3.2 已有方法所存在的問題 31
3.4 基于傅里葉變換的面要素?cái)?shù)學(xué)表達(dá) 31
3.5 案例分析 34
3.5.1 特征點(diǎn)提取 34
3.5.2 傅里葉描述子計(jì)算與相似性度量 35
第4章 復(fù)雜建筑物相似性計(jì)算 38
4.1 復(fù)雜建筑物定義 38
4.2 內(nèi)洞空間分布描述 38
4.2.1 帶洞多邊形 38
4.2.2 利用方位圖內(nèi)洞空間分布描述 39
4.3 方位圖描述與相似性度量 41
4.4 內(nèi)洞幾何變換描述與度量 44
4.5 內(nèi)洞與輪廓形狀相似性度量 47
4.6 帶洞區(qū)整體相似性度量 49
4.7 案例分析 49
4.7.1 實(shí)驗(yàn)數(shù)據(jù) 49
4.7.2 實(shí)驗(yàn)結(jié)果 50
4.7.3 相似度測量 56
4.7.4 分析與討論 57
4.7.5 結(jié)論 60
第5章 復(fù)合建筑物相似性計(jì)算 61
5.1 復(fù)合建筑物定義 61
5.2 復(fù)合建筑物的匹配控制子圖 62
5.3 基于轉(zhuǎn)角方程的匹配位置圖相似性度量 63
5.4 復(fù)合建筑物分布的對比 64
5.5 復(fù)合建筑物相似性度量模型 65
5.6 案例分析 67
第6章 基于孿生網(wǎng)絡(luò)的建筑物場景相似性計(jì)算 73
6.1 建筑物場景定義 73
6.2 建筑物場景內(nèi)實(shí)體及其空間關(guān)系表達(dá) 73
6.3 基于孿生網(wǎng)絡(luò)框架的建筑物場景相似性度量 75
6.3.1 孿生網(wǎng)絡(luò)框架 75
6.3.2 損失函數(shù) 79
6.4 顧及局部特征的建筑物場景相似性優(yōu)化 79
6.4.1 空間場景內(nèi)節(jié)點(diǎn)相似性研究 80
6.4.2 空間場景內(nèi)空間關(guān)系優(yōu)化表達(dá) 85
6.4.3 空間場景間相似性計(jì)算方法 87
6.5 案例分析 88
6.5.1 基于孿生網(wǎng)絡(luò)框架的空間場景整體相似性度量模型 88
6.5.2 場景相似性計(jì)算 95
第7章 少量標(biāo)記樣本下的矢量建筑物智能匹配 101
7.1 基于單類支持向量機(jī)的簡單建筑物匹配 101
7.1.1 候選匹配關(guān)系構(gòu)建方法 101
7.1.2 顧及全局尋優(yōu)的建筑物空間相似性度量 104
7.1.3 基于OCSVM的建筑物匹配關(guān)系識別 111
7.1.4 實(shí)驗(yàn)與結(jié)果分析 114
7.2 基于面要素對齊的復(fù)雜建筑物匹配 123
7.2.1 多對多匹配中的難點(diǎn)分析 124
7.2.2 基于控制多邊形的面要素對齊 125
7.2.3 復(fù)雜建筑物匹配流程設(shè)計(jì) 131
7.2.4 實(shí)驗(yàn)與結(jié)果分析 135
7.3 基于模式識別的建筑物匹配優(yōu)化 141
7.3.1 匹配效率分析 142
7.3.2 基于MST聚類的建筑物群組劃分 143
7.3.3 基于GCNN模型的建筑物群組模式識別模型 149
7.3.4 建筑物匹配優(yōu)化流程設(shè)計(jì) 154
7.3.5 實(shí)驗(yàn)與結(jié)果分析 156
第8章 基于參考數(shù)據(jù)VGI數(shù)據(jù)智能評價(jià) 163
8.1 VGI數(shù)據(jù)智能評價(jià)概述 163
8.2 基于矢量參考數(shù)據(jù)VGI數(shù)據(jù)智能評價(jià) 164
8.2.1 基于深度自編碼網(wǎng)絡(luò)綜合評價(jià)模型 164
8.2.2 案例分析 173
8.3 基于遙感影像數(shù)據(jù)VGI數(shù)據(jù)智能評價(jià) 184
8.3.1 高分遙感數(shù)據(jù)處理與訓(xùn)練集構(gòu)建 184
8.3.2 基于多任務(wù)特征學(xué)習(xí)參考建筑物數(shù)據(jù)提取 186
8.3.3 VGI建筑物數(shù)據(jù)完整性與位置精度評估 190
8.3.4 案例分析 192
第9章 VGI數(shù)據(jù)智能展望 200
參考文獻(xiàn) 201