目錄
“新一代人工智能理論、技術及應用叢書”序
前言
第1章 VGI數(shù)據(jù)理解 1
1.1 認識VGI數(shù)據(jù) 1
1.1.1 VGI數(shù)據(jù)的概念和特點 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 8
第2章 理解數(shù)據(jù)質量 10
2.1 數(shù)據(jù)質量概述 10
2.1.1 數(shù)據(jù)和數(shù)據(jù)質量的定義 10
2.1.2 評價數(shù)據(jù)質量的相關概念 11
2.2 數(shù)據(jù)質量問題 12
2.2.1 數(shù)據(jù)質量問題的種類 12
2.2.2 如何評價數(shù)據(jù)質量 13
2.3 地理信息數(shù)據(jù)質量 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)質量問題的產生 14
2.3.3 地理信息數(shù)據(jù)質量評價現(xiàn)狀 15
2.3.4 VGI數(shù)據(jù)質量評價 16
2.4 OSM數(shù)據(jù)質量問題描述 17
2.4.1 OSM數(shù)據(jù)質量問題 17
2.4.2 影響OSM數(shù)據(jù)質量的原因 18
2.5 OSM數(shù)據(jù)質量評價 19
2.5.1 數(shù)據(jù)質量評價體系 19
2.5.2 OSM數(shù)據(jù)質量評價內容 21
2.6 空間相似性與OSM數(shù)據(jù)質量 23
2.6.1 空間實體與空間實體相似性 23
2.6.2 基于空間相似性的數(shù)據(jù)質量 23
第3章 簡單建筑物相似性計算 25
3.1 形狀輪廓特征點提取 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 形狀輪廓特征點提取的一般步驟 28
3.2 建筑物輪廓的數(shù)學描述 28
3.2.1 常見的數(shù)學描述方法 29
3.2.2 以數(shù)學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數(shù)學表達 31
3.5 案例分析 34
3.5.1 特征點提取 34
3.5.2 傅里葉描述子計算與相似性度量 35
第4章 復雜建筑物相似性計算 38
4.1 復雜建筑物定義 38
4.2 內洞空間分布描述 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 內洞幾何變換描述與度量 44
4.5 內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 實驗數(shù)據(jù) 49
4.7.2 實驗結果 50
4.7.3 相似度測量 56
4.7.4 分析與討論 57
4.7.5 結論 60
第5章 復合建筑物相似性計算 61
5.1 復合建筑物定義 61
5.2 復合建筑物的匹配控制子圖 62
5.3 基于轉角方程的匹配位置圖相似性度量 63
5.4 復合建筑物分布的對比 64
5.5 復合建筑物相似性度量模型 65
5.6 案例分析 67
第6章 基于孿生網絡的建筑物場景相似性計算 73
6.1 建筑物場景定義 73
6.2 建筑物場景內實體及其空間關系表達 73
6.3 基于孿生網絡框架的建筑物場景相似性度量 75
6.3.1 孿生網絡框架 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 空間場景內節(jié)點相似性研究 80
6.4.2 空間場景內空間關系優(yōu)化表達 85
6.4.3 空間場景間相似性計算方法 87
6.5 案例分析 88
6.5.1 基于孿生網絡框架的空間場景整體相似性度量模型 88
6.5.2 場景相似性計算 95
第7章 少量標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的簡單建筑物匹配 101
7.1.1 候選匹配關系構建方法 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的建筑物匹配關系識別 111
7.1.4 實驗與結果分析 114
7.2 基于面要素對齊的復雜建筑物匹配 123
7.2.1 多對多匹配中的難點分析 124
7.2.2 基于控制多邊形的面要素對齊 125
7.2.3 復雜建筑物匹配流程設計 131
7.2.4 實驗與結果分析 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)化流程設計 154
7.3.5 實驗與結果分析 156
第8章 基于參考數(shù)據(jù)VGI數(shù)據(jù)智能評價 163
8.1 VGI數(shù)據(jù)智能評價概述 163
8.2 基于矢量參考數(shù)據(jù)VGI數(shù)據(jù)智能評價 164
8.2.1 基于深度自編碼網絡綜合評價模型 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 184
8.3.1 高分遙感數(shù)據(jù)處理與訓練集構建 184
8.3.2 基于多任務特征學習參考建筑物數(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 201