多尺度河流和湖泊的矢量目標(biāo)匹配方法研究

鐘 東，郭慶勝，王 勇，劉紀(jì)平

(1.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430070;2中國測(cè)繪科學(xué)研究院，北京 100830)

多尺度河流和湖泊的矢量目標(biāo)匹配方法研究

鐘 東1，郭慶勝1，王 勇2，劉紀(jì)平2

(1.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430070;2中國測(cè)繪科學(xué)研究院，北京 100830)

研究河流和湖泊的矢量目標(biāo)匹配方法在地理空間變化檢測(cè)、地圖更新等方面具有重要意義。文中提出一種計(jì)算線線部分匹配的折線集的算法，基于該算法和面面疊置率，研究河流和湖泊的面面、面線、線線1∶1匹配算法和非1∶1匹配策略，實(shí)現(xiàn)河流和湖泊整個(gè)目標(biāo)數(shù)據(jù)集的匹配。實(shí)驗(yàn)表明，文中所研究的算法和策略具有兩個(gè)優(yōu)點(diǎn)：解決了面與線在不相交情況下的匹配問題；對(duì)數(shù)據(jù)誤差有很強(qiáng)的適應(yīng)性。

多尺度; 河流;湖泊;目標(biāo)匹配

空間目標(biāo)匹配可以為進(jìn)一步探測(cè)不同數(shù)據(jù)集之間的差異或變化奠定基礎(chǔ)[1]，河流和湖泊是兩類重要的地物，研究河流和湖泊的多尺度矢量目標(biāo)匹配技術(shù)在地圖合并、地圖更新、變化檢測(cè)等方面有重要意義[1-2]。河流和湖泊空間目標(biāo)匹配包括1∶1匹配和非1∶1匹配兩大類。已有的面面1∶1匹配算法主要包括基于相似度匹配方法[2]、基于拓?fù)潢P(guān)系進(jìn)行匹配的方法[3-4]、基于模糊拓?fù)潢P(guān)系分類進(jìn)行匹配的方法[5-6]、基于概率的面目標(biāo)匹配方法[7]、基于重疊度的面目標(biāo)匹配方法[8-9]；已有的線線1∶1匹配算法主要有基于幾何相似度的匹配方法[7, 10]、基于拓?fù)浣Y(jié)構(gòu)的匹配方法[11-12]、基于智能化方法的匹配方法[13-14]；而面線匹配主要通過提取面的骨架線與線目標(biāo)進(jìn)行匹配來完成[15-16]?，F(xiàn)有算法難以解決面線不相交情況下的匹配，對(duì)數(shù)據(jù)誤差的適應(yīng)性差。本文提出利用線與線部分匹配的折線集，改進(jìn)基于幾何相似度的線線1∶1匹配算法，并將面線匹配轉(zhuǎn)換成線線匹配，將面面、面線、線線1∶1匹配的結(jié)果應(yīng)用于非1∶1匹配。

1 河流和湖泊目標(biāo)匹配的特點(diǎn)

河流要素在幾何上主要有以下3個(gè)特點(diǎn)：①河流多為狹長(zhǎng)面目標(biāo)；②同一地形圖上，不同河流之間的寬度差異可能較大；③同一條河流的不同部分的寬度差異可能較大。相對(duì)于河流，湖泊的特點(diǎn)則表現(xiàn)為面積較大，部分湖泊有狹長(zhǎng)支流。

一般情況下，目標(biāo)匹配先基于語義挑選出同一類型的地物，然后再進(jìn)行匹配。對(duì)河流和湖泊而言，大比例尺的河流只與小比例尺上的河流匹配，湖泊亦如此。但是當(dāng)湖泊與河流相接時(shí)，湖泊的某一部分可能變?yōu)樾”壤叩囊恍《螁尉€河，此時(shí)可以考慮河流和湖泊的跨地物類型匹配。如圖1所示，M0(粗實(shí)線)和N0(粗虛線)分別表示大比例尺上的湖泊和單線河，M1(細(xì)實(shí)線)和N1(細(xì)虛線)分別表示小比例尺上的河流和湖泊，C0和C1是N1上的兩個(gè)點(diǎn)，陰影部分表示M0的一條細(xì)小支流。由于制圖綜合的影響，M0的細(xì)小支流在小比例尺上以單線河(折線段C0-C1)的形式呈現(xiàn)。于是，就存在湖泊M0(湖泊的部分)與河流N1(河流的部分)之間的匹配。值得注意的是，此處匹配只是建立目標(biāo)M0，N0與目標(biāo)M1，N1之間的關(guān)系，而各目標(biāo)的語義并沒有發(fā)生變化。

圖1 河流和湖泊跨類型匹配

在參與匹配的數(shù)據(jù)源中，通常將現(xiàn)勢(shì)性好、位置精度高的數(shù)據(jù)源稱為參考數(shù)據(jù)源(通常為較大比例尺)，而將現(xiàn)勢(shì)性較差、位置精度相對(duì)較低的數(shù)據(jù)源稱為目標(biāo)數(shù)據(jù)源(通常為較小比例尺)[2]。導(dǎo)致不同地圖空間中的同名目標(biāo)之間的差異的原因有很多，主要包括制圖綜合、實(shí)際變化和數(shù)據(jù)誤差3種[15]。其中制圖綜合是導(dǎo)致同名目標(biāo)發(fā)生變化的主要原因，根據(jù)綜合算子不同又分為選取、簡(jiǎn)化(包括尺度變化)、多目標(biāo)的合并、移位、夸大以及典型化。實(shí)際變化包括地物的出現(xiàn)、改變和消失。數(shù)據(jù)誤差則體現(xiàn)在目標(biāo)位置的改變。

目標(biāo)選取和出現(xiàn)導(dǎo)致在小比例尺地圖上沒有與大比例尺地圖上相對(duì)應(yīng)的目標(biāo)。目標(biāo)消失則導(dǎo)致小比例尺地圖上的目標(biāo)在大比例尺地圖上不顯示。數(shù)據(jù)誤差和移位導(dǎo)致目標(biāo)的位置差異。簡(jiǎn)化、夸大會(huì)造成目標(biāo)在空間形狀、大小等表達(dá)上的差異，簡(jiǎn)化也可能導(dǎo)致目標(biāo)尺度發(fā)生變化。合并、典型化則會(huì)造成目標(biāo)在空間形狀、大小和結(jié)構(gòu)等多方面的差異，合并還可能導(dǎo)致目標(biāo)的數(shù)量發(fā)生改變。

矢量數(shù)據(jù)的幾何類型分為點(diǎn)、線、面，河流和湖泊匹配主要考慮面與線2種幾何類型。由于河流和湖泊本身的特點(diǎn)以及尺度的變化，參考數(shù)據(jù)源和目標(biāo)數(shù)據(jù)源中均可能出現(xiàn)面目標(biāo)和線目標(biāo)，則河流和湖泊的匹配類型(幾何)就分為面面、面線、線線匹配3種幾何類型組合。

文獻(xiàn)[15]和[16]根據(jù)每輪匹配中參考數(shù)據(jù)源和目標(biāo)數(shù)據(jù)源的目標(biāo)數(shù)量之比分為1∶0、0∶1、1∶1、1∶M、N∶1、N∶M 6種匹配模式，本文提出的匹配模式與此相同，只是每輪匹配中參考數(shù)據(jù)源中的目標(biāo)數(shù)量和目標(biāo)數(shù)據(jù)源中的目標(biāo)數(shù)量均有可能是面目標(biāo)數(shù)量與線目標(biāo)數(shù)量的總和。

因此，河流和湖泊的匹配類型可以歸納為未匹配、面面匹配、面線匹配、線線匹配4種，匹配模式可以歸納為未匹配(1∶0、0∶1)、1∶1匹配、非1∶1(1∶M、N∶1、N∶M)匹配3種。對(duì)于未匹配的情況，其實(shí)沒有單獨(dú)涉及到匹配算法，因此，本文只需考慮面面匹配、面線匹配、線線匹配3種匹配類型和1∶1、非1∶1兩種匹配模式。

2 計(jì)算線線部分匹配的折線集

兩條折線的匹配可以分為完全匹配和部分匹配。在部分匹配時(shí)，匹配成功的部分由一系列折線段組成，本文稱這些折線段構(gòu)成的集合為線線部分匹配的折線集。為了盡可能準(zhǔn)確地計(jì)算能部分匹配的折線段，需要對(duì)線目標(biāo)進(jìn)行頂點(diǎn)加密。匹配的兩條折線段的距離應(yīng)該為零，方向應(yīng)該一致，但由于地圖數(shù)據(jù)誤差的影響，距離和方向都存在一定的偏差。因此，在匹配時(shí)，需要指定距離閾值和方向閾值。一般情況下，視力正常的人的肉眼能分辨的圖上最短距離是0.1 mm，距離閾值的設(shè)定也是為適應(yīng)地圖的誤差，再根據(jù)3倍中誤差原則，可得距離閾值的算式為

式中：s為地圖比例尺分母；D表示實(shí)地距離，單位為m。

如圖2，L1表示細(xì)實(shí)線，L2表示細(xì)虛線，頂點(diǎn)1到頂點(diǎn)8和頂點(diǎn)9到頂點(diǎn)16分別表示L1和L2頂點(diǎn)加密后的部分頂點(diǎn)。假設(shè)L1和L2加密后的頂點(diǎn)集分別為P1和P2，兩個(gè)臨時(shí)的頂點(diǎn)集合T1、T2，則計(jì)算L1與L2部分匹配的折線集的算法描述如下(見圖2)：

圖2 計(jì)算線線部分匹配的折線集原理

1)遍歷頂點(diǎn)集合P1，得到點(diǎn)1，在P2中找到點(diǎn)1的最近點(diǎn)(圖1的點(diǎn)9)，由于點(diǎn)1和點(diǎn)9之間的距離大于D，繼續(xù)遍歷P1集合。清空T1和T2。

2)當(dāng)遍歷到點(diǎn)3時(shí)，在P2中找到點(diǎn)3的最近點(diǎn)(點(diǎn)11)，點(diǎn)3和點(diǎn)11之間的距離小于D，但由于T1和T2均為空，不能判斷方向，直接將點(diǎn)3加入集合T1，點(diǎn)11加入集合T2。

3)當(dāng)遍歷到點(diǎn)4時(shí)，在P2中找到點(diǎn)4的最近點(diǎn)(點(diǎn)12)，點(diǎn)4和點(diǎn)12之間的距離小于D，此時(shí)T1和T2不為空，則計(jì)算線段(3-5)和線段(11-12)的方向β，由于β小于α，因此將點(diǎn)4加入集合T1，點(diǎn)12加入集合T2。

4)當(dāng)遍歷到點(diǎn)5時(shí)，在P2中找到點(diǎn)5的最近點(diǎn)(點(diǎn)13)，點(diǎn)5和點(diǎn)13之間的距離小于D，此時(shí)T1和T2不為空，則計(jì)算線段(4-5)和線段(12-13)的方向β，由于β小于α，因此將點(diǎn)5加入集合T1，點(diǎn)13加入集合T2。

5)繼續(xù)遍歷P1集合，當(dāng)遍歷到點(diǎn)8時(shí)，在P2中找到點(diǎn)8的最近點(diǎn)(點(diǎn)16)，點(diǎn)8和點(diǎn)16之間的距離大于D，因此，不能再向T1和T2中添加頂點(diǎn)8和16，此時(shí)的頂點(diǎn)集合T1和T2就構(gòu)成兩個(gè)折線段。存儲(chǔ)T1、T2，再清空T1和T2繼續(xù)遍歷。

6)同理，可以按照步驟1)到步驟5)計(jì)算L1與L2部分匹配的其他折線段，所有的折線段構(gòu)成的集合就是L1與L2部分匹配的折線集。

L1與L2部分匹配的折線集計(jì)算結(jié)果如圖3所示。圖中粗實(shí)線(折線段a，b，c，d)表示部分匹配的折線集，該折線集分為兩部分：L1上的部分匹配的折線集({a，b})和L2上的部分匹配的折線集({c，d})。

圖3 部分匹配的折線集計(jì)算結(jié)果

3 1∶1匹配算法和非1∶1匹配策略

目標(biāo)A(面或線)與目標(biāo)B(面或線)的1∶1匹配結(jié)果有5種(假設(shè)每種結(jié)果用一個(gè)整數(shù)表示)： ①A與B未匹配(用0表示)； ②A與B(完全)匹配(用1表示)； ③A部分匹配B，也就是A匹配B的一部分，(用2表示)； ④B部分匹配A，也就是B匹配A的一部分，(用3表示)； ⑤A部分匹配B，同時(shí)，B也部分匹配A，(用4表示)。

3.1 線線、面線1∶1匹配算法

假設(shè)L1與L2的部分匹配的折線集為R，其中L1上的部分匹配的折線集為R1，L2上的部分匹配的折線集為R2，則L1與L2部分匹配的長(zhǎng)度ML1為R1所有折線段的長(zhǎng)度和，L1與L2部分匹配的長(zhǎng)度ML2為R1所有折線段的長(zhǎng)度和，再假設(shè)L1的長(zhǎng)度為L(zhǎng)en1，L2的長(zhǎng)度為L(zhǎng)en2，則有L1與L2的相似度S1和L2與L1的相似度S2為

將計(jì)算改進(jìn)的線線相似度的思想與文獻(xiàn)[15]和[16]中的面線匹配算法進(jìn)行融合，可以彌補(bǔ)現(xiàn)有面線1∶1匹配算法的缺陷。假設(shè)面目標(biāo)P和線目標(biāo)L進(jìn)行1∶1匹配，P的骨架線集合為Ske，i表示Ske中第i個(gè)元素(i= 0, 1, …,n-1)，n為Ske集合的元素個(gè)數(shù)。先計(jì)算每條骨架線與L的部分匹配的折線集，從而得到Ske中第i條骨架線與L匹配的長(zhǎng)度為SL1i，L與Ske中第i條骨架線匹配的長(zhǎng)度為SL2i。再假設(shè)面P的所有骨架線的長(zhǎng)度和為PL，線目標(biāo)L的長(zhǎng)度為L(zhǎng)L，則得到P與L的相似度S1和L與P的相似度S2為

3.2 面面1∶1匹配算法

同一地區(qū)不同來源的地圖(即使是不同比例尺)在消除整體和局部坐標(biāo)偏差后，同名面實(shí)體總是會(huì)有較大的重疊面積；面實(shí)體之間的重疊面積大小反映兩個(gè)面之間的距離差異以及形狀差異等，而且它反映兩個(gè)面實(shí)體之間的整體相似性，符合人眼的視覺效果[5]。因此,本文使用面面疊置率來計(jì)算面面1∶1匹配結(jié)果。在重疊面積的基礎(chǔ)上，面積疊置率定義為兩個(gè)面域重疊部分面積與各自總面積的比率[6]。假設(shè)面A1的面積為a1，面A2的面積為a2，A1與A2的重疊面積為a0，則A1與A2的疊置率O1和A2與A1的疊置率O2分別為

改革開放的總設(shè)計(jì)師鄧小平同志曾說過：“科學(xué)技術(shù)是第一生產(chǎn)力”，目前通明公司雖然仍存在很多不盡如人意的地方，但是我相信，在單位領(lǐng)導(dǎo)的正確領(lǐng)導(dǎo)下，只要我們不斷提高自身業(yè)務(wù)水平，培養(yǎng)并儲(chǔ)備充足的技術(shù)人才，我們一定有足夠的能力和社會(huì)上的路燈企業(yè)競(jìng)爭(zhēng)，在日后的工程投標(biāo)中勝出，成為市場(chǎng)經(jīng)濟(jì)大環(huán)境下的弄潮兒。

在進(jìn)行面面、面線、線線1∶1匹配時(shí)，由于地圖誤差的存在，面、線目標(biāo)的位置有誤差，使得完全匹配的兩個(gè)目標(biāo)，其相似度S1，S2(疊置率O1，O2)不一定為1，因此，當(dāng)S1，S2(疊置率O1，O2)均大于一定閾值Smax(Omax)，就可以認(rèn)為這兩個(gè)目標(biāo)是完全匹配的。同理，由于地圖誤差的存在，如果兩個(gè)目標(biāo)的相似度S1，S2(疊置率O1，O2)均小于一定閾值Smin(Omin),則認(rèn)為這兩個(gè)目標(biāo)不匹配。假設(shè)目標(biāo)A(面或線)和目標(biāo)B(面或線)的1∶1匹配結(jié)果用r表示，則A與B的1∶1匹配結(jié)果的判斷規(guī)則如圖4所示(以面線、線線為例，面面1∶1匹配結(jié)果的判斷規(guī)則類似)。

圖4 1∶1匹配結(jié)果判斷規(guī)則

3.3 非1∶1匹配策略

針對(duì)河流和湖泊的目標(biāo)匹配，本文的策略是：使用面面、面線、線線1∶1匹配算法，計(jì)算兩個(gè)目標(biāo)的1∶1匹配結(jié)果，然后根據(jù)1∶1匹配結(jié)果進(jìn)行非1∶1匹配。在進(jìn)行河流和湖泊的目標(biāo)匹配時(shí)，參與匹配的數(shù)據(jù)集有4個(gè)：參考數(shù)據(jù)源的面目標(biāo)集DS1、線目標(biāo)集DS2，目標(biāo)數(shù)據(jù)源的面目標(biāo)集DS3、線目標(biāo)集DS4。大比例尺地圖上的面目標(biāo)在小比例尺地圖上變成線目標(biāo)是由尺度變化引起的，因此不考慮大比例尺地圖上的線目標(biāo)與小比例尺地圖上的面目標(biāo)進(jìn)行匹配的情況，并且，參考數(shù)據(jù)集中的目標(biāo)只能和目標(biāo)數(shù)據(jù)集中的目標(biāo)匹配。因此，數(shù)據(jù)集之間可能進(jìn)行匹配的對(duì)應(yīng)關(guān)系是：DS1與DS3、DS4，DS2與DS4，DS3與DS1，DS4與DS1、DS2。匹配時(shí)，遍歷對(duì)應(yīng)數(shù)據(jù)集中的目標(biāo)，針對(duì)當(dāng)前遍歷得到的兩個(gè)目標(biāo)(假設(shè)為OB1和OB2)，根據(jù)其幾何類型組合，選擇使用面面、面線或線線1∶1匹配算法，計(jì)算其1∶1匹配結(jié)果r，根據(jù)r的值做如下處理：

1)若r=0，OB1與OB2不匹配，此時(shí)只需要繼續(xù)遍歷數(shù)據(jù)集中的下一個(gè)目標(biāo)；

2)若r=1，OB1與OB2完全匹配，OB1與OB2均不需要再跟別的目標(biāo)匹配；

3)若r=2，OB1部分匹配OB2，OB1不需要再跟別的目標(biāo)匹配，而OB2需要再跟別的目標(biāo)匹配；

5)若r=4，OB1部分匹配OB2，同時(shí)，OB2也部分匹配OB1，OB1與OB2均需要再跟別的目標(biāo)匹配。

由于待匹配的河流和湖泊數(shù)據(jù)集龐大，在匹配的過程中使用了格網(wǎng)索引、MBR[15-16]等技術(shù)。格網(wǎng)索引可以有效縮小遍歷范圍，而在判斷兩個(gè)目標(biāo)是否匹配時(shí)，要先判斷這兩個(gè)目標(biāo)的MBR是否相交，如果相交則再使用相應(yīng)的1∶1匹配算法，對(duì)于MBR不相交的目標(biāo)則不需要計(jì)算其1∶1匹配結(jié)果，可有效減少計(jì)算時(shí)間。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證本文所研究的算法和策略的正確性，用武漢市局部地區(qū)的水系數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。該實(shí)驗(yàn)的參考數(shù)據(jù)源為1∶50萬，有115個(gè)面狀目標(biāo)(圖5(a)實(shí)線)和24個(gè)線狀目標(biāo)(圖5(a)虛線)；目標(biāo)數(shù)據(jù)源為1∶400萬，有43個(gè)面狀目標(biāo)(圖5(b)實(shí)線)和46個(gè)線狀目標(biāo)(圖5(b)虛線)。實(shí)驗(yàn)中，設(shè)置插點(diǎn)距離為100 m，距離閾值為150 m，方向閾值為0.5度，Smax和Omax都為0.9，Smin和Omin都為0.1。

圖5 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)結(jié)果如表1所示，有49對(duì)目標(biāo)匹配成功，15對(duì)目標(biāo)未匹配。匹配成功目標(biāo)的幾何類型組合有面、線—面、線，面—面，面—線，線—線4種；未匹配的目標(biāo)包括參考數(shù)據(jù)源中的12個(gè)面目標(biāo)和目標(biāo)數(shù)據(jù)源的3個(gè)線目標(biāo)。圖6(a)和圖6(b)分別對(duì)應(yīng)圖5中①號(hào)方框和②號(hào)方框所在位置的數(shù)據(jù)的放大，圖6(c)對(duì)應(yīng)圖6(b)中③號(hào)方框所在位置的數(shù)據(jù)的放大，這幾個(gè)位置的數(shù)據(jù)比較典型。通過實(shí)驗(yàn)，本文所研究的算法和策略的優(yōu)點(diǎn)得以證明：

表1 實(shí)驗(yàn)結(jié)果

1)面線不相交情況下依然能匹配成功。如圖6(a)所示，X(粗實(shí)線表示的面目標(biāo))為參考數(shù)據(jù)源的面目標(biāo)，Y3為(粗虛線表示的線目標(biāo))參考數(shù)據(jù)源的線目標(biāo)，Y1和Y2(細(xì)虛線表示的線目標(biāo))為目標(biāo)數(shù)據(jù)源的線目標(biāo)，Z1，Z2為折線Y2上的兩個(gè)點(diǎn)。使用本文的算法和策略對(duì)這幾個(gè)目標(biāo)進(jìn)行匹配的過程是：①遍歷參考數(shù)據(jù)源和目標(biāo)數(shù)據(jù)源得到兩個(gè)目標(biāo)，不失一般性，假設(shè)當(dāng)前遍歷得到的兩個(gè)目標(biāo)為X和Y2；②使用面線1∶1匹配算法計(jì)算X和Y2的1∶1匹配結(jié)果r，X目標(biāo)上的陰影部分的骨架線應(yīng)該和Y2目標(biāo)上的Z1-Z2折線段匹配，因此，對(duì)于X與Y2而言，應(yīng)該是X部分匹配Y2，同時(shí)Y2也部分匹配X(r=4)；③r= 4，則X和Y2都有可能跟別的目標(biāo)匹配，針對(duì)X和Y2繼續(xù)遍歷對(duì)應(yīng)的數(shù)據(jù)集，可以得到X與Y1的面線匹配和Y3與Y2的線線匹配。最終，參考數(shù)據(jù)源的X，Y3目標(biāo)與目標(biāo)數(shù)據(jù)源的Y1，Y2目標(biāo)匹配成功，匹配模式為2∶2。彌補(bǔ)了文獻(xiàn)[15]和[16]中的面線匹配缺陷，解決面X與線Y2不相交情況下的匹配。

圖6 實(shí)驗(yàn)數(shù)據(jù)局部放大

2)對(duì)數(shù)據(jù)誤差的適應(yīng)性強(qiáng)。如圖6(b)所示，Q1，Q2(粗實(shí)線表示的面目標(biāo))為參考數(shù)據(jù)源的面目標(biāo)，Q3，Q4(細(xì)虛線表示的面目標(biāo))為目標(biāo)數(shù)據(jù)源的面目標(biāo)。實(shí)際情況是Q1與Q3匹配，Q2與Q4匹配，但是，由于數(shù)據(jù)誤差的影響，Q1與Q4的疊置率卻不為零(圖6(c)中陰影部分)。本文設(shè)置了疊置率閾值Omin，而計(jì)算得到的Q1與Q4的疊置率和Q4與Q1的疊置率均小于Omin，故Q1與Q4匹配不成功，不影響Q1與Q3的匹配和Q2與Q4的匹配。

5 結(jié)束語

河流和湖泊的匹配是面面、面線和線線相結(jié)合的匹配，也是1∶1匹配與非1∶1匹配相結(jié)合的匹配。使用本文所研究的面面、面線、線線1∶1匹配算法和非1∶1匹配策略對(duì)河流和湖泊數(shù)據(jù)集進(jìn)行匹配，取得了良好的匹配效果。在這些算法的基礎(chǔ)上，為了提高計(jì)算效率，還用到格網(wǎng)索引、MBR等技術(shù)，很好的解決了河流和湖泊的匹配問題。

由于目標(biāo)匹配是為地圖更新、變化檢測(cè)等研究服務(wù)的，對(duì)地圖更新、變化檢測(cè)等方向的深入研究也是亟需解決的問題，還需要做進(jìn)一步的努力。

[1] 李德仁, 龔健雅, 張橋平. 論地圖數(shù)據(jù)庫合并技術(shù)[J]. 測(cè)繪科學(xué), 2004, 29(1):1-4.

[2] 翟仁健. 基于全局一致性評(píng)價(jià)的多尺度矢量空間數(shù)據(jù)匹配方法研究[D]. 鄭州：信息工程大學(xué), 2011.

[3] MASUYAMA A. Methods for Detecting Apparent Differences Between Spatial Tessellationsat Different TimePoints[J]. InternationalJournal of Geographical Information Science, 2006, 20(6):633-648.

[4] YUAN S, TAO C.Development of Conflation Components[A].ProceedingsofGeoinformatics1999 Conference[C]. Ann Arbor, 1999:1-13.

[5] 張橋平, 李德仁, 龔健雅. 城市地圖數(shù)據(jù)庫面實(shí)體匹配技術(shù)[J]. 遙感學(xué)報(bào), 2004, 8(2):107-112.

[6] 郭黎, 崔鐵軍, 王豪,等. 基于面狀要素拓?fù)潢P(guān)系的數(shù)據(jù)匹配技術(shù)研究[J]. 測(cè)繪科學(xué), 2010, 35(1):130-132.

[7] 童小華, 鄧愫愫, 史文中. 基于概率的地圖實(shí)體匹配方法[J]. 測(cè)繪學(xué)報(bào), 2007, 36(2):210-217.

[8] VON G,SESTER G.Change Detection and Integration of Topographic Updates from ATKIS to Geoscientific DataSets[A]. International Conferenceon Next Generation Geospatial Information[C]. Boston, October 2003:19-21.

[9] VAN W,VANPUTTEN F,VANOOSTEROM J,et al.Map Integration-Update Propagation In A Multi-Source Environment[A]. Proceedings of the 5th ACM International Workshop on Advances In Geographic Information Systems[C]. Las Vegas, Nevada, United States,1997:71-76.

[10] WALTER V, FRITSCH D. Matching Spatial Data Sets: A Statistical Approach[J]. International Journal of Geographical Information Systems, 1999, 13(5):445-473.

[11] FILIN S, DOYTSHER Y. The Detection of Corresponding Objects In A Linear-Based Map Conflation[J]. Surveying and Land Information Systems,2000,60(2):117-128.

[12] MANTEL D, LIPECK U. Matching Cartographic Objects in Spatial Databases[A]. ISPRS Vol. XXXV, ISPRS Congress, Commission 4[C]. Istanbul, Turkey, July 12-23th, 2004.

[13] 張?jiān)品? 楊必勝, 欒學(xué)晨. 利用概率松弛法的城市路網(wǎng)自動(dòng)匹配[J]. 測(cè)繪學(xué)報(bào), 2012,41(6):933-939.

[14] TONG Xiaohua, LIANG Dan, JIN Yanmin. A linear road object matching method for conflation based on optimization and logistic regression[J]. International Journal of Geographical Information Science, 2014, 28(4):824-846.

[15] 趙彬彬. 多尺度矢量地圖空間目標(biāo)匹配方法及其應(yīng)用研究[D]. 長(zhǎng)沙：中南大學(xué), 2011.

[16] 趙彬彬, 鄧敏, 劉慧敏,等. 多尺度地圖的水系面目標(biāo)與線目標(biāo)匹配方法與實(shí)驗(yàn)[J]. 地球信息科學(xué)學(xué)報(bào), 2011, 13(3):361-366.

[責(zé)任編輯：張德福]

Research on the method of multi-scale vector objects matching for rivers and lakes

ZHONG Dong1, GUO Qingsheng1, WANG Yong2, LIU Jiping2

(1. School of Resource and Environmental Science, Wuhan University, Wuhan 430070, China;2. Chinese Academy of Surveying and Mapping, Beijing 100830，China)

It is important to study the vector object matching method of rivers and lakes in geospatial changing detection and map updating. In this paper, an algorithm on calculating the polyline set in partly matching of line to line is put forward, and based on this and area to area overlay rate, the one to one matching algorithm for area to area, area to line and line to line, and tactics of not one to one matching for rivers and lakes are presented. The matching of the whole dataset of rivers and lakes can be realized. The experiments show that the algorithm and tactics in this paper has two advantages: a.the matching can be resolved when an area does not intersect with a line; b.it has a great adaptation to data error.

multi-cale; rivers; lake; object matching

著錄：鐘東，郭慶勝，王勇，等.多尺度河流和湖泊的矢量目標(biāo)匹配方法研究[J].測(cè)繪工程，2017，26(10)：70-75.

10.19349/j.cnki.issn1006-7949.2017.10.013

2016-10-14

國家自然科學(xué)基金資助項(xiàng)目(41471384);測(cè)繪地理信息公益行業(yè)科研專項(xiàng)項(xiàng)目(201512032)

鐘 東(1992-)，男，碩士研究生.

P208

A

1006-7949(2017)10-0070-06