• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of image and data fusion >An optimisation model for linear feature matching in geographical data conflation
【24h】

An optimisation model for linear feature matching in geographical data conflation

机译：地理数据融合中线性特征匹配的优化模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Issues of heterogeneity and incompatibility in geospatial data become increasingly important as data sources become more abundant. Scientific research and decision-making usually require geospatial data from a variety of sources, since it is not realistic to collect all data directly; therefore, it is important to effectively utilise data created by various agencies using different methodologies under different circumstances. The term conflation here refers to the problem of combining incompatible geospatial data. One crucial component in conflation is feature matching, which is a prerequisite for the subsequent steps such as feature transformation. Although previous research has provided different methods of feature matching for specific applications, most of them have relied on a greedy strategy to execute the matching process. This article develops a new optimisation model to improve linear feature matching in situations with one-to-one, one-to-many and one-to-none correspondences by extending the optimised feature matching method proposed by Li and Goodchild (Automatically and accurately matching objects in geospatial datasets. In: Proceedings of theory, data handling and modelling in geospatial information science. Hong Kong, 26-28 May, 2010). Considering all possible matched pairs simultaneously, this new model achieves a high percentage of correctly matched features by maximising the total similarity between all matched pairs. When autocorrelated distortions exist in the datasets, an affine transformation can be integrated into the feature matching to improve the matching results. In addition, this study takes advantage of the asymmetry of a dissimilarity metric - directed Hausdorff distance - to address one-to-many correspondences.
机译：随着数据源变得越来越丰富，地理空间数据的异质性和不兼容问题变得越来越重要。科学研究和决策通常需要来自各种来源的地理空间数据，因为直接收集所有数据并不现实。因此，重要的是有效利用不同机构在不同情况下使用不同方法创建的数据。这里的术语“合并”是指合并不兼容的地理空间数据的问题。合并中的一个关键组件是特征匹配，这是后续步骤（例如特征转换）的先决条件。尽管先前的研究为特定的应用程序提供了不同的特征匹配方法，但大多数方法都依靠贪婪的策略来执行匹配过程。本文通过扩展Li和Goodchild提出的优化特征匹配方法，开发了一种新的优化模型，以改善具有一对一，一对多和一对一对应关系的情况下的线性特征匹配（自动准确匹配地理空间数据集中的对象。在：地理空间信息科学的理论，数据处理和建模过程中，香港，2010年5月26日至28日）。同时考虑所有可能的匹配对，此新模型通过最大化所有匹配对之间的总相似度来实现正确匹配的特征的较高百分比。当数据集中存在自相关失真时，可以将仿射变换集成到特征匹配中以改善匹配结果。另外，本研究利用不相似度量的不对称性（定向的Hausdorff距离）来解决一对多的对应关系。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号