基于特征矩阵的空间场景相似性度量模型与约束指标松弛化研究

发布时间：2018-04-03 05:16

本文选题：矩形方向关系　切入点：邻域空间推理　出处：《中国地质大学》2016年博士论文

【摘要】：相似性度量是地理学中的关键组成部分,并广泛应用到空间检索,空间信息整合及空间数据挖掘中。本研究在基于内容图像检索方法的基础上进行多尺度空间场景相似性查询的研究,并对空间场景相似度计算中的若干关键技术,如方向关系、拓扑关系、空间区对象间的相似度、空间场景相似度计算及相似度计算中的权重设置等进行了深入研究,具体研究内容和研究成果如下：(1)矩形方向关系的数学表达。在空间计算过程中,空间物体常被描述为其最小外包矩形,因此矩形间的空间约束是空间关系的一个关键子集。作为描述两个矩形间约束关系的最具表达力的模型,矩形代数演算(Rectangle algebra)已被应用到许多研究领域中,如人工智能和地理信息系统等。为了对矩形代数进行数学运算,以实现对矩形对象约束关系的高效性分析,本研究使用一个2×2的特征矩阵来描述矩形间的169种约束关系,首先讨论使用特征值元组来量化区间代数演算(Interval Algebra)中的13种区间代数关系,从而描述矩形在笛卡尔坐标系上的投影区间的约束；接着分析了如何使用特征值元组对特征矩阵进行构建,并给出了能互不相交且共同穷尽描述矩形间约束关系的169个特征矩阵,同时定义了特征值元组及特征矩阵的性质和相关运算如传递闭包、求逆等。(2)矩形方向约束关系间的邻域空间推理。针对特征矩阵的邻域空间,本研究分析了特征矩阵区间和特征矩阵网络在特征矩阵邻域网格中的表示,并以邻域网格上对应顶点间的最短网格路径分析矩形约束关系间的距离。进而,分析当两个矩形的其中一个发生缩放和平移等变形时,一种矩形约束关系如何渐变到其邻近约束关系,并使用特征值元组区间的笛卡尔乘积来表示矩形变形过程中所形成矩形约束的特征矩阵,最后分析总结了矩形变形时对应特征矩阵的变化特点。(3)多洞区的相似性度量。作为真实世界的抽象表示,多洞区主要描述了拥有若干圈内边界的地理对象。为了实现对此类地理对象的匹配,本研究提出了多洞区的相似度计算模型,其中多洞区被视为空间微场景,洞及洞之间的方向分别作为场景中的空间对象及空间关系。基于空间微场景的假设,多洞区之间的相似度计算被作为约束满足问题(CSP)进行求解-洞的形状及洞间的方向关系作为约束条件,且分别使用傅立叶描述子及特征矩阵来进行描述,因此对傅里叶描述子及特征矩阵分别进行距离量算可计算多洞区之间的相似度。(4)基于边界交互的区组合的拓扑相似性度量。由于基于一般的拓扑关系难以分辨具有复杂边界交互的不同的区组合,为了解决这个问题,学者提出了区组合中详细拓扑关系的描述方法,即对区边界进行遍历且逐一记录边界交集。本研究基于边界交互记录对区组合间的相似度进行计算,主要分为初始匹配步骤和精确匹配步骤。在第一个步骤中,识别及过滤与参照区组合非常不相似的候选区组合；同时获得参照区组合及有可能匹配的候选区组合之间的对应关系,并使用由节点和边组成的关联图来描述对应关系。在准确匹配阶段,边界交互记录被编码为二进制序列,且基于生物信息学中用来对比DNA、RNA蛋白质序列的对准方法,对两个区组合之间的拓扑相似度进行计算。(5)基于松弛标记法的空间场景匹配。因为空间场景中实体个数的差异及空间对象间的关系难以精确相等,若执行空间场景的完全精确匹配,可能会使得检索结果为空。顾及尺度差异,本研究从空间场景中进行空间语义理解,建立了多尺度空间场景的形式化描述模型。建立场景间的初始匹配概率矩阵后,基于松弛标记法迭代更新概率矩阵,直到矩阵收敛于一全局最小值并确定匹配的实体对,从而进行空间场景相似性评估。(6)基于用户多等级反馈的空间场景匹配中的权重设置方法。在地理数据库中,对空间场景进行精确匹配存在一定的复杂度,因为a)解释空间场景比解释文本存在更多的不确定性,6)在空间场景检索系统中对初始查询条件进行修改比文本检索困难得多。不同的人,甚至是同样的人在不同的环境里对相同的视觉信息都会产生不一样的感知,例如对于同一个空间场景,某个人关注的是场景中对象的形状,而另一个人则关注对象之间的关系。在该研究中,为了把人类感知引入到空间场景检索,以得到更符合用户需求的空间场景,本研究将在检索过程中进行用户相关性反馈操作,在系统返回的检索结果中,用户对各个场景进行相关度的评估并进行反馈,系统根据用户反馈动态更新嵌在检索场景中的权重以模拟用户主观感知,从而使得调整后的检索与用户需求更加贴近。
[Abstract]:The similarity measure is a key component in geography , and is widely used in spatial retrieval , spatial information integration and spatial data mining .
In this paper , we analyze how to construct the feature matrix by using eigenvalue tuples , and give 169 feature matrices that can not intersect each other and describe the relationship between rectangular constraints .
A spatial scene similarity assessment is carried out based on relaxation mark method .

【学位授予单位】：中国地质大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：P208

【相似文献】