引入方向熵的建筑物群组模式识别方法

建筑物群组具有明显的空间分布模式,其相关研究在地图制图、地图匹配及查询等领域均有诸多应用。已有的建筑物群组模式识别研究主要采用传统几何方法和机器学习方法,取得了较好的实验结果。但同时,传统几何方法存在规则定义复杂、识别出的模式较为单一等缺点;而机器学习则存在对样本数据要求高、分类特征选择困难等问题。方向熵是信息熵的一种,常用于评估空间中不同方向性随机变量的不确定性,可应用于描述空间现象方向的分布特征和规律。本研究引入方向熵进行典型建筑物群组的多模式识别。首先,使用人工视觉方法对兰州市的建筑物数据进行聚类,并构建最小生成树几何模型。其次,按照7:3的比例将建筑物群组划分为样本集1和样本集2。通过样本集1计算直线型、格网型和不规则型建筑物群组的分类阈值,并在样本集2上验证,结果显示,这3种建筑物群组的分类精度均达到了97%以上。最后,将所提方法应用于上海市的建筑物数据中,并获得了符合人类认知的结果。这也从另外一个角度说明方向熵可以应用于群组目标分布模式识别。