[发明专利]一种多尺度矢量面数据匹配方法

权利要求书

1.一种多尺度矢量面数据匹配方法，其特征在于，包括如下步骤：

步骤1、多尺度矢量面数据预处理；

步骤2、记两个不同尺度的矢量面数据库分别是地图数据库A和地图数据库B，遍历地图数据库A的所有的面要素，计算地图数据库A中各个矢量面数据与地图数据库B中各个矢量面数据的重叠度，并根据重叠度获取地图数据库A中各个矢量面数据在地图数据库B的候选匹配集；

步骤3、对步骤2获取的候选匹配集进行面要素合并得到新地图数据库B’，并建立合并前地图数据库B与合并后地图数据库B’的映射关系；

步骤4、对新地图数据库B’的矢量面数据进行遍历，计算新地图数据库B’中各个矢量面数据与地图数据库A中各个矢量面数据的重叠度，获得新地图数据B’各个矢量面要素在地图数据库A的匹配集，对A中的匹配集进行合并得到新地图数据库A’；

步骤5、对新地图数据库A’和新地图数据B’的矢量面要素进行特征提取，其中包括位置相似度特征提取、形状相似度特征提取、面积大小相似度特征提取和面积重叠相似度特征提取；

步骤6、根据提取的各个相似度特征，利用支持向量机方法通过训练数据学习获取最终分类器，用来确定新地理数据库A’和新地理数据B’中各个矢量面数据匹配情况；

步骤7、根据步骤3建立的映射关系，得到地理数据库A与地理数据库B的各个面要素的匹配情况。

2.根据权利要求1所述的多尺度矢量面数据匹配方法，其特征在于：所述步骤1中对数据的预处理包括统一数据格式、坐标系统、投影系统、实体类型。

3.根据权利要求1所述的多尺度矢量面数据匹配方法，其特征在：所述步骤2中重叠度的计算公式如下：

其中a和b分别为不同地图数据库中的待匹配矢量面数据，Area(a)、Area(b)、Area(a∩b)分别为多边形a的面积、多边形b的面积、多边形a与多边形b交集的面积。

4.根据权利要求1所述的多尺度矢量面数据匹配方法，其特征在于：所述步骤3对候选匹配集中矢量面要素数据合并过程中，以能够包含候选匹配集所有矢量面要素的最小凸多边形作为合并的最后结果。

5.根据权利要求1所述的多尺度矢量面数据匹配方法，其特征在于：所述步骤5中矢量面数据相似度特征分别从矢量面数据的位置、形状、面积、重叠度四个方面进行提取，设两个不同尺度的地图数据库中待匹配的多边形别为a和b，则四类特征的计算公式如下：

(1)位置相似度特征提取：

a＝(x1,y1)和b＝(x2,y2)为平面上待匹配的两多边形的形状中心点，采用欧几里得距离来计算其位置相似度，计算公式如下:

其中，U为待匹配2个多边形的任意边界点间距离的最大值；

(2)形状相似度特征提取：

多边形a和多边形b的形状使用正切空间进行描述，其中θ_a(l)和θ_b(l)分别代表多边形a和多边形b的正切空间函数，选取多边形上一个顶点作为参考点构建多边形的正切空间，l表示为多边形上任意一点距离该参考点的距离与总边长的比值；

将多边形a边界上的参考点移动一定的距离t，得到新的函数为θ_a(s+t)，将多边形a旋转角θ，则新函数为θ_a(s)+θ，因此，要找出所有类似的偏移量t和旋转量θ的最小值，则得出：

则a,b两个多边形的形状相似度：

其中，p是指p范数，D(a,b)指的是多边形a和多边形b正切空间差值面积最小值，R的范围为[0,2π]；

(3)面积相似度特征提取：记Area(a)、Area(b)分别为多边形a和b的面积，则其面积大小相似度的计算公式如下：

σ₃(a,b)＝1-|Area(a)-Area(b)|/max(Area(a),Area(b))

(4)面积重叠度特征提取：

其面积重叠度的计算公式如下：

6.根据权利要求1所述的多尺度矢量面数据匹配方法，其特征在于：所述步骤6中通过支持向量机对提取的相似度特征数据进行处理，使用的是线性可分支持向量机学习算法：最大间隔法。