POI点要素空间邻近图质量评价——以Delaunay三角网和缓冲区构建方法为例

为有效促进地理空间数据邻近关系的快速构建与语义表达,基于结构、数量、空间、性能等多重视角,提出结合图结构分析、度频率分析、可视分析、推理性能分析的空间邻近图评价方法,并利用Delaunay三角网和缓冲区两种方法进行上海市交通服务设施POI点要素空间邻近图构建与质量评价。结果表明,相比缓冲区方法,基于Delaunay三角网构建的空间邻近图具有如下优势:①在结构方面,规模小、图上节点聚集程度低、冗余邻近关系少;②在数量方面,邻近关系数量少且集中、局部邻近关系冗余度低;③在空间方面,邻近关系数量与POI空间分布情况相关性强;在性能方面,推理效率稳定。该方法能对空间邻近图进行全面评价,可为地理空间知识图谱构建过程中邻近关系建立方法的选择提供参考。

利用k阶空间邻近图的空间层次聚类方法

分析了图斑k阶邻近图的特征及其层次关系,并根据k阶空间邻近图对层次聚类方法进行改进,不但使得聚类的时空信息的结合灵活有效,而且降低了算法的时空复杂度。实验证明,基于k阶空间邻近图的层次聚类具有较好的空间聚类效果。

图像匹配的物体空间关系推理表达

物体空间关系指的是物体在欧氏空间中的邻近关系,根据图像中包含物体的邻近关系解决图像匹配的问题。本文首先基于对比机制训练物体块特征提取网络,构建物体块深度特征,该特征可以有效匹配不同图像中的相同物体块;其次,基于已有的先验图像数据推理表达图像中物体的空间邻近关系,构建场景物体空间邻近图;进而基于该空间邻近图计算场景图像对的空间邻近度,完成图像空间关系匹配。试验表明不匹配图像间的空间邻近度一般为0,而匹配图像间的空间邻近度一般大于0,本文空间关系匹配涉及多个物体间的相互关系,具有更强的稳健性,其匹配效果明显优于对比试验中的其他方法,可以高效稳定地完成图像匹配任务。