基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法

摘要：

由于不同来源或不同时间,导致了同一地物在存储方式或属性等方面存在着很多差异,这给后期的数据处理和使用带来了诸多不便,因此矢量空间数据匹配已经成为关键性问题.为了便于矢量数据匹配,提出了一种基于栅格化的线状矢量数据匹配方法,其主要思想是对线状矢量数据栅格化,利用支持向量机(support vector machine,SVM)算法提取出所要研究的数据,然后利用Harris算子提取特征点,用尺度不变特征转换(scale-invariant feature transform,SIFT)算法计算特征向量并对其进行匹配,最后把匹配结果转换为矢量数据.结果表明该算法不受平移、旋转、缩放、明亮度变化等的影响,弥补了矢量匹配过程中因数据旋转等问题而无法匹配的不足,将矢量数据栅格化处理,使其数据结构更简单,操作容易,更易于算法的实现.可见该方法便于线状矢量数据的匹配,为道路匹配提供了一种新的方法.

关键词：线状矢量数据、栅格化、特征提取、机器学习、匹配

所属期刊栏目：19

分类号：P208(一般性问题)

资助基金：国家重点研发计划2017YFC0822003, 2017YFB0503500, 2017YFC1405000, 2017YFB0503802;资源与环境信息系统国家重点实验室开放基金、国家自然科学基金91646207;中国科学院A类战略性先导科技专项XDA20030302

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41