基于深度学习的建筑形状匹配方法研究

发布时间：2022-10-19 08:30

　　随着计算机技术的快速发展,形状匹配技术已经成为计算机视觉等领域的研究热点,很多形状匹配方法成功应用于人脸识别、文本识别等问题。同时,形状匹配也是地理特征认知识别的重要因素之一,如何衡量两个目标形状之间的相似程度取决于目标本体的特征和受众的主观认知,是一个空间认知的过程。建筑物要素是地理空间要素的重要组成部分,具有直角转折、轴线对称等明显的视觉特征,其形状匹配在综合化简、数据融合等问题中都是重要基础。形状匹配的基本流程包括提取一定的形状表示因子和在该形状表示下的相似性度量,已有的形状匹配方法多基于形状某些方面的特征进行描述,而没有综合考虑形状表示之间的关系和认知角度,通过人为定义权重等方式对不同的认知角度和数值尺度的形状表示进行融合缺乏合理的解释。当前深度学习技术在计算机视觉、自然语言处理和机器智能等依赖于人类认知的领域取得重大成就,深度学习能够基于人类的数据经验挖掘其中的认知特征。因此,本文以空间认知为出发点,从不同的认知角度构建一系列建筑形状的表示特征,基于深度学习的特征挖掘和知识发现能力,对建筑形状进行编码表示,从而实现符合视觉认知的形状匹配。具体地,本文的主要成果和创新点包括:（... 

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

二值化图像表示示例

本文技术路线

单个神经元模型

【参考文献】：
期刊论文
[1]基于多尺度轮廓段的形状特征提取与识别[J]. 韦琪,王连明.  计算机工程与应用. 2019(05)
[2]机器自监督学习的建筑物面要素几何形状度量[J]. 马磊,闫浩文,王中辉,刘波,吕文清.  测绘科学. 2017(12)
[3]一种基于形状上下文特征匹配的线状要素Morphing方法[J]. 方文江,李精忠.  武汉大学学报(信息科学版). 2017(07)
[4]以多尺度三角形为特征的快速形状匹配[J]. 陶易之,贺赛先.  计算机辅助设计与图形学学报. 2017(03)
[5]一种应用三角形划分的空间对象形状匹配方法[J]. 田泽宇,门朝光,刘咏梅,蒋庆丰,汤亚楠.  武汉大学学报(信息科学版). 2017(06)
[6]居民地要素化简的形状识别与模板匹配方法[J]. 晏雄锋,艾廷华,杨敏.  测绘学报. 2016(07)
[7]一种基于多尺度轮廓点空间关系特征的形状匹配方法[J]. 杨亚飞,郑丹晨,韩敏.  自动化学报. 2015(08)
[8]形状匹配方法研究与展望[J]. 周瑜,刘俊涛,白翔.  自动化学报. 2012(06)
[9]基于线要素综合的形状相似性评价模型[J]. 刘鹏程,罗静,艾廷华,李畅.  武汉大学学报(信息科学版). 2012(01)
[10]基于原型模板形状匹配的建筑多边形化简[J]. 刘鹏程,艾廷华,胡晋山,成晓强.  武汉大学学报(信息科学版). 2010(11)

博士论文
[1]形状识别在地图综合中的应用研究[D]. 刘鹏程.武汉大学 2009
[2]基于几何特征的多尺度矢量面状实体匹配方法研究与应用[D]. 邵世维.武汉大学 2011
[3]形状不变特征提取及应用研究[D]. 贾棋.大连理工大学 2014
[4]多尺度居民地要素增量级联更新方法研究[D]. 许俊奎.解放军信息工程大学 2013

硕士论文
[1]基于目标聚类的面状地理要素匹配研究[D]. 刘森.南京师范大学 2014



本文编号：3693037