一种基于斜率差和方位角的矢量数据匹配算法

第 46 卷 第 6 期Vol46 No6山 东 大 学 学 报 ( 工 学 版 )JOUNAL OF SHANDONG UNIVESITY ( ENGINEEING SCIENCE)2016 年 12 月Dec 2016收 稿日期 : 2015-12-25; 网络出版时间 : 2016-09-28 155208网络出版地址 : http: / /www cnki net/kcms/detail/371391 T201609281552002 html基金项目 : 国家自然科学基金资助项目 ( 41501425， 41561084， 41201409) ; 山东省自然科学基金资 助项目 ( Z2014DL001) ; 山 东省重点研发计划资助项目 ( 2015GSF122008， 2016GSF122006)作者简介 : 逯跃锋 ( 1982 ) ， 男 ， 河 南伊川人 ， 讲师 ， 博士 ， 主要研究方向为地理空间数据匹配与更新 E-mail: yflu sdut edu cn文章编号 : 1672-3961( 2016) 06-0031-09 DOI: 10. 6040/j issn1672-3961. 0. 2015. 430一种基于斜率差和方位角的矢量数据匹配算法逯 跃锋1， 张 奎1， 刘 硕1， 吴 跃1， 赵 硕1， 李 强2， 冯 晨1( 1 山东理工大学建筑工程学院 ， 山 东 淄博 255049; 2 信息工程大学地理空间信息学院 ， 河南 郑州 450001)摘要 : 矢量空间数据同名特征点搜索和同名特征点匹配是对多时相 、多尺度地理实体要素进行变化检测的关键技术 。结合矢量空间数据的坐标特征和方位角 ， 提出一种同名地理实体要素特征点搜索与匹配算法 。该算法采用分步取点的思想 ， 分别提取曲线 X、Y 方向上的极值点为初始特征点 ， 利用各极值点斜率差的绝对值作为约束条件删除冗余极值点 。在上述提取结果中 ， 两个相邻特征点通常存在较大变形 ， 需添加部分合理特征点 。综合利用特征点坐标方位角和距离进行同名特征点相似度匹配 ， 分别利用线实体和面实体进行试验验证 。结果表明 : 本研究算法能够适用于线实体和面实体特征点的提取与匹配 ， 并具有良好的精度和可行性 。关键词 : 斜率差值 ; 特征点搜索 ; 方位角 ; 特征点匹配 ; 矢量数据 ; 同名特征点中图分类号 : TP391 文献标志码 : AA vector data matching algorithm based onslope difference and azimuthLU Yuefeng1， ZHANG Kui1， LIU Shuo1， WU Yue1， ZHAO Shuo1， LI Qiang2， FENG Chen1( 1 School of Civil and Architectural Engineering， Shandong University of Technology， Zibo 255049， Shandong， China;2 Institute of Geospatial Information， Information Engineering University， Zhengzhou 450001， Henan， China)Abstract: Vector spatial data with the correspondence feature point searching and the correspondence feature point matc-hing is the key technology for multi-temporal and multi-scale geographic entity element to detect change The researchproposed a correspondence geographic entity element feature point searching and matching algorithm based on the coor-dinate characteristic and azimuth of vector spatial data Firstly， the algorithm adopted the idea of taking point step bystep: extracted extreme point from the X， Y direction of curve as initial feature points respectively; used the absolutevalue of the slope difference of each extreme point as constraint condition to remove the redundant extreme point; in theabove extraction result， there might be a large deformation between the two adjacent feature points Secondly， utilizedcoordinate azimuth and distance of the feature point synthetically to match the similarity of the correspondence featurepoint Finally， the experimental verification was carried out by using the line entity and the surface entity The resultshowed that the algorithm could be applied to the extraction and matching of the feature point of the line entity and thesurface entity， and it had good accuracy and feasibilityKey words: slope difference; feature point searching; azimuth; feature point matching; vector data; correspondencefeature point32 山 东 大 学 学 报 ( 工 学 版 ) 第 46 卷0 引 言为 了保证我国基础地理信息的现势性 ， 国家测绘地理信息局 2012 年启动国家基础地理信息数据库动态更新工程 ， 至 2014 年已完成数据的三轮动态联动更新 1-2。为 避免大量数据的重复操作 ， 15 万地形数据采用增量式更新方法 ， 在已有的数据基础上 ， 通过矢量空间数据实体间同名特征点匹配进行变化检测 ， 确定出需要更新的区域要素 3-5。因 此 ，搜索的特征点需要位置准确 、数量适中且分布合理 ，为同名特征点匹配奠定基础 。矢量数据匹配也是地理信息获取实时化 、自动化等的关键技术 6-8。目 前已有多种特征点的提取及匹配算法 : 提取算法中经典的算法有角度限制法 、垂距限值法 、Douglas-Peucker 算法等 。相比垂距限值法 ， Doug-las-Peucker 算法考虑了整条曲线 ， 但曲线起始点 、限差的不确定对特征点精度影响较大 ， 曲线变形较大时一些局部变形特征点容易被遗漏 9-10; 文 献 11提出的具有预测功能的矢量数据压缩算法 ， 虽然实现了较大数据压缩比 ， 但提取结果受起始点的影响较大 ， 需要找到最佳起始点 ; 文献 12 提出的基于最值点的 Douglas-Peucker 算法 ， 弥补了传统算法在图形复杂情况下出现的自相交 ， 但丢掉了局部变形的特征点 ; 文献 13 提出了一种基于斜率变化间接提取轮廓特征点的算法 ， 可以简化运算并减少噪声干扰 ， 但算法较繁杂 ; 文献 14 提出的改进矢量曲线特征点提取方法 ， 减少了计算量和数据冗余 ， 但会丢掉部分关键特征点 。另外 ， 匹配的相似性度量指标有距离 、形状 、角度 、方向和空间关系等 15-16。文献 17 提 出基于空间相似性的面实体匹配算法 ， 但该方法给出的形状中心点仅适合栅格图像 ， 具有一定局限性 ; 文献 18 提出基于拱高半径复变函数的面实体匹配算法 ， 有效地实现了同名实体的匹配 ， 但仅适用于面状要素的匹配 ; 文献 19 提出面质心结合多种匹配规则的匹配方法 ， 算法较复杂且只适用于面实体 。文献 20 提出特征驱动下实体匹配指标自适应融合技术 ， 在一定程度上提高了匹配的智能性 ， 但也仅限面状要素的匹配 。文献 21 和文献 22 分别用实体的重叠面积 、比值及线实体的Frechet 距离 ， 取得了较好的匹配效果 。文献 23 和 24 对于面实体匹配较优 ， 但傅里叶变换方法较复杂 。文献 25 利用方向关系进行实体匹配 ， 受限于方向关系的定量表达 ， 定性化比较困难 。鉴于已有算法的优点和局限性 ， 本研究结合矢量空间数据的坐标特征和方位角 ， 利用各个极值点斜率差的绝对值 ( 以下简称斜率差值 ) ， 提 出了一种分步提取特征点的算法和一种综合方位角与距离的同名特征点匹配算法 ， 经过试验验证分析 ， 本研究算法能同时适用于线状和面状矢量要素的特征点提取与匹配 。1 算 法1. 1 特征点搜索算法本研究提出的特征点搜索算法采用分步提点的思 想 : 首先提取实体要素在 X、Y 方向上的极值点 ;其次在极值点中删除对曲线变化影响较小的冗余点 ; 最后对于一些变形较大但未能提取到特征点的曲线段添加合理特征点 ， 保留曲线局部特征 。111 提取极值点设 S = pi= ( xi， yi) ， i =1， 2， ， n 为 地理实体要素轮廓点序列集合 。提取 X 方向上极值点条件 :xixi 1 xi xi +1或 xixi 1 xi xi +1。( 1)同 理 ， 提取 Y 方向上极值点条件 :yiyi 1 yi yi +1或 yiyi 1 yi yi +1。( 2)只 要满足上述极值点提取公式的一种 ， 该点则被提取 。图 1 为提取结果示意图 。图 1 提取极值点结果示意图Fig1 The extraction result of extreme value point提 取极值点作为初始特征点保留下来 ， 能避免直接搜索特征点时遗漏典型的特征点 ， 同时避免因阈值设置等因素导致提取的特征点不尽相同而造成特征点提取不稳定的弊端 。112 删除冗余极值点如图 1 所示 ， pi与 pi +6之 间的极值点过于密集 ，但对曲线的整体变形影响较小 ， 所以应删除这样的冗余极值点 。判断原则 : 设待判断极值点为 pi， 其 左右相邻极值点分别为 pi 1、pi +1， 分别连接待判断极值点和左右 相邻极值点 ， 可得两条连线斜率分别为 kpipi 1、kpi +1pi， ki为 斜率差值 ， 则判断条件 :第 6 期 逯跃锋 ， 等 : 一种基于斜率差和方位角的矢量数据匹配算法 33ki= |kpipi 1 kpi +1pi| m， 舍 去 ; m， 保留 。( 3)其中 : m 为阈值 ， 阈值选取方法如表 1 所示 ;kpipi 1=yi yi 1xi xi 1; kpi +1pi=yi +1 yixi +1 xi。表 1 阈 值选择Table 1 Threshold selectiontan 105 tan 115 tan 125 tan 135 tan 145 tan 155线 试验面试验描 述当阈值为 tan105时 ， 方 框 内 本 需保留的特征点被删除 。当阈值为 tan115时 ， 方 框 内 本 需保留的特征点被删除 ， 提 取 效 果相 对 前 一 种 阈值 ， 效果较好 。当阈值为 tan125时 ， 方 框 中 较 少本需保留特征点被删 除 ， 但 提 取效果较前两种都要好 。当阈值为 tan135时 ， 提 取 的 特 征点大部分符合需要 ， 为 较 为 合 适的阈值选择 。当阈值为 tan145时 ， 方 框 内 为 提取 的 少 量 冗 余点 。当阈值为 tan155时 ， 方 框 内 为 提取 的 部 分 冗 余点 ， 不符合需要 。113 添加合理特征点添加合理特征点采用 “查 缺补漏 ， 因地制宜 ”的原则 。首先以第二步保留的特征点为界将曲线分段 ， 在各段内按比例增加采样点 ， 然后对增加的采样点采用上述判断原则 ， 将采样点斜率差值按升序排列 ， 根据实际情况确定需要保留采样点的比率 ， 作为特征点 。特征点提取结果如图 2 所示 ， 其中点 pa、pb表示 添加的合理特征点 ， pi与 pi +7之 间表示删除冗余点的结果 。图 2 添加合理特征点Fig2 Add the reasonable feature points1. 2 同名特征点匹配算法本研究提出结合距离和方位角的相似度匹配算法 ， 将 这两个条件所判别的特征点相似程度归结为相似度 ， 来衡量特征点是否为同名特征点 ， 从而提高特征点匹配的精度 。匹配步骤如下 :( 1) 选取控制点在进行匹配的两幅矢量图上选取相对应的四对控制点 k1和 k1、k2和 k2、k3和 k3、k4和 k4， 保 证控制点合理的分布在数据的四个方位 ， 以便有效的控制全部特征点数据 。特征点与各控制点距离示意图如图 3 所示 。图 3 特征点与各控制点距离示意图Fig3 The distance of feature point and control points( 2) 计算距离平均差值将 特征点分别与控制点相连 ， 待匹配特征点 pi和四个控制点的距离为 d1、d2、d3和 d4， 候 选特征点pi与 四个控制点的距离为 d1、d2、d3、d4， 如 图 3 所示 。分别计算两幅矢量图上特征点与控制点距离之和 ， 并作差取平均 ， 计算平均距离差值Dmean=( d1+ d2+ d3+ d4) ( d1+ d2+ d3+ d4)4。( 4)( 3) 计 算夹角在进行夹角计算时 ， 为了保证不受坐标系的影响 ， 不能使用方位角 ， 夹角为控制点与特征点的连线和控制点与其顺时针相邻控制点连线之间的角度 。在计算夹角时 ， 要保证夹角对应位置的准确性 。角度计算示意图如图 4 所示 。夹角 计算公式如下 : =12。 ( 5)式 中 : 1表 示对应的控制点 ki( i = 1， 2， 3， 4) 与 特征点 pi连接的边的方位角 ; 2表示对应的控制点 ki( i =1， 2， 3， 4) 与其顺时针相邻控制点连接 的边的方位角 。当 时 ， =2 。夹角计算示意图如34 山 东 大 学 学 报 ( 工 学 版 ) 第 46 卷图 5 所 示 。图 4 角度计算示意图Fig4 The angle calculation图 5 夹角计算示意图Fig5 The included angle calculation( 4) 计算角度平均差值两幅矢量空间数据上同名特征点所对应的四个夹 角进行对比 ， 并求其差值 ， 将所得四个差值求平均 ， 得到角度平均差值Amean=( 1+2+3+4) ( 1+2+3+4)4。( 6)( 5) 计 算相似度计算两幅矢量空间数据上任意特征点之间的相似度 S， 若 S 大于给定阈值 T， 则对应两点为同名特征点 。S 计算公式如下 :S =1 DmeandmaxAmeanamax。 ( 7)其 中 : dmax= max d1， d2， d3， d4， d1， d2， d3， d4 ; amax=max 1， 2， 3， 4， 1， 2， 3， 4 。由 此可以看出 ， 相似度 S 越大 ， 则表示两个点的相似程度越高 。当存在多个点匹配时 ， 取相似度最大的一对点作为同名特征点 。2 试 验与分析试验主要是对相同坐标系下不同比例尺的线实体和相同坐标系下不同时相的面实体进行同名特征点 匹配 ， 验证本研究所提算法对同名特征点提取与匹配的效果 。2. 1 相同坐标系下不同比例尺的线实体同名特征点匹配211 试验数据试验所采用的数据来自国家基础地理信息系统数据库中的全国 11 000 万铁路矢量数据和全国11 500万铁路矢量数据中的部分数据 ( 简称试验数据一 ) 。试验数据如图 6 所示 。图 6 试 验数据一Fig6 The experimental data 1212 特 征点提取线实体的极值点一般是进行特征点匹配的主要对象 。利用本研究所提出的特征点搜索算法 ， 提取的特征点及局部放大图如图 7 所示 ， 其中蓝色圆点表示第二步保留的特征点 ， 红色圆点表示第三步添加的合理特征点 。经过反复试验 ， 删除冗余极值点阈值 m = tan 125。补充合理特征点 ， 采样点所取比率为 20%， 采样点斜率差值排序后 ， 所取比率为20%。图 7 试验数据一特征点提取及局部图Fig7 The feature points of the experimentaldata 1 and local map第 6 期 逯跃锋 ， 等 : 一种基于斜率差和方位角的矢量数据匹配算法 35213 控 制点选取由于 11 000 万的线实体与 11 500 万的线实体处在同一坐标系下 ， 两幅矢量数据上选取的控制点坐标相同 ， 控制点坐标如表 2 所示 。214 同名特征点匹配在特征点提取和控制点确定的基础上 ， 利用Matlab 实现特征点的匹配 。经过反复试验 ， 相似度阈值取为 0. 996。对相似度匹配结果进行整理 ， 可得匹配情况如表 3 所示 。表 2 试验数据一所选控制点Table 2 The control points of the experimental data 1控 制点号 控制点 X 坐标 控制点 Y 坐 标k1862 010. 857 6 5 314 230. 449 4k2948 987. 400 0 3 495 822. 480 5k31 595 076. 383 1 3 546 535. 054 2k41 558 836. 161 8 5 299 741. 137 3表 3 线实体相似度匹配结果Table 3 The matching results of linear entity similarity11 000 万 点号 X 坐标 Y 坐标 11 500 万点号 X 坐标 Y 坐 标 相似度001 975 570. 56 4 274 690. 50 001 975 570. 56 4 274 690. 50 1. 000001 975 570. 56 4 274 690. 50 002 975 144. 50 4 274 797. 00 0. 998014 947 693. 06 4 310 544. 00 014 947 693. 06 4 310 544. 00 1. 000021 932 157. 50 4 314 338. 50 021 932 157. 50 4 314 338. 50 1. 000059 855 649. 80 4 357 542. 50 036 855 649. 81 4 357 542. 50 1. 000063 833 684. 70 4 343 840. 00 040 833 684. 69 4 343 840. 00 1. 000064 826 860. 30 4 339 978. 00 041 826 860. 25 4 339 978. 00 1. 000082 796 192. 44 4 343 538. 00 047 796 192. 44 4 343 538. 00 1. 000099 748 831. 69 4 352 543. 00 060 748 831. 69 4 352 543. 00 1. 000099 748 831. 69 4 352 543. 00 061 748 182. 06 4 352 191. 50 0. 997119 692 332. 90 4 311 281. 50 076 692 332. 88 4 311 281. 50 1. 000120 688 859. 10 4 309 831. 50 077 688 859. 13 4 309 831. 50 1. 000151 619 196. 00 4 306 710. 00 092 619 212. 13 4 306 220. 00 0. 998154 621 483. 69 4 319 005. 50 094 621 483. 69 4 319 005. 50 1. 000160 606 313. 30 4 327 066. 50 100 606 313. 31 4 327 066. 50 1. 000183 508 431. 30 4 323 324. 00 123 508 431. 28 4 323 324. 00 1. 000184 498 227. 30 4 320 357. 50 124 498 227. 34 4 320 357. 50 1. 000216 411 828. 30 4 256 760. 00 148 411 828. 34 4 256 760. 00 1. 000271 231 456. 83 4 188 838. 00 176 231 456. 83 4 188 838. 00 1. 000272 229 636. 40 4 189 215. 00 177 229 636. 41 4 189 215. 00 1. 000275 226 146. 42 4 192 292. 30 180 226 146. 42 4 192 292. 30 1. 000275 226 146. 42 4 192 292. 30 181 226 271. 33 4 192 667. 00 0. 998276 226 271. 33 4 192 667. 00 180 226 146. 42 4 192 292. 30 0. 998276 226 271. 33 4 192 667. 00 181 226 271. 33 4 192 667. 00 1. 000301 182 219. 78 4 179 765. 80 195 182 219. 78 4 179 765. 80 1. 000310 188 024. 58 4 194 581. 00 200 188 024. 58 4 194 581. 00 1. 000318 166 626. 25 4 235 059. 50 205 166 626. 25 4 235 059. 50 1. 000319 166 681. 50 4 235 251. 00 205 166 626. 25 4 235 059. 50 0. 999326 171 613. 36 4 241 919. 00 213 171 613. 36 4 241 919. 00 1. 000334 163 653. 23 4 271 220. 50 221 163 653. 23 4 271 220. 50 1. 000341 176 250. 16 4 289 609. 00 228 176 250. 16 4 289 609. 00 1. 000387 50 392. 02 4 337 913. 00 259 50 392. 02 4 337 913. 00 1. 000388 44 253. 93 4 337 688. 50 260 44 253. 93 4 337 688. 50 1. 000389 37 288. 23 4 337 790. 00 262 36 463. 59 4 337 815. 00 0. 997417 3 322. 92 4 423 156. 50 274 3 322. 92 4 423 156. 50 1. 000428 26 756. 70 4 478 798. 50 282 26 756. 70 4 478 798. 50 1. 000445 61 415. 16 4 546 994. 00 290 61 453. 92 4 546 990. 50 1. 000449 64 704. 88 4 555 541. 00 291 64 504. 49 4 554 900. 00 0. 99736 山 东 大 学 学 报 ( 工 学 版 ) 第 46 卷表 3( 续 )11 000 万 点号 X 坐标 Y 坐标 11 500 万点号 X 坐标 Y 坐 标 相似度452 67 683. 98 4 571 195. 50 294 67 609. 12 4 572 071. 50 0. 996453 67 617. 40 4 572 072. 00 294 67 609. 12 4 572 071. 50 1. 000458 63 391. 43 4 601 992. 00 299 63 391. 43 4 601 992. 00 1. 000464 87 217. 80 4 638 292. 50 305 87 217. 80 4 638 292. 50 1. 000467 84 380. 93 4 641 045. 50 308 84 380. 93 4 641 045. 50 1. 000479 165 961. 41 4 709 255. 50 316 165 961. 41 4 709 255. 50 1. 000481 177 665. 06 4 710 611. 00 318 177 665. 06 4 710 611. 00 1. 000489 274 233. 53 4 682 132. 00 326 274 233. 53 4 682 132. 00 1. 000509 363 942. 03 4 677 447. 00 334 363 942. 03 4 677 447. 00 1. 000543 505 629. 38 4 726 341. 00 352 505 629. 38 4 726 341. 00 1. 000571 569 712. 75 4 728 464. 00 364 569 712. 75 4 728 464. 00 1. 000574 566 894. 56 4 731 824. 00 367 566 894. 56 4 731 824. 00 1. 000582 587 208. 13 4 743 696. 50 375 587 208. 13 4 743 696. 50 1. 000表 3 表 明 ， 当 T =0.996 时 ， 匹配成功点为 51 个 ， 其中 4 个特征点匹配重复 ， 匹配正确率为 92. 15%。2. 2 相同坐标系下不同时相的面实体同名特征点匹配221 试验数据图 8 为面实体试验所采用的不同时相青海湖边界矢量数据 ( 简称试验数据二 ) 。其中蓝色边界为2000 年数据 ， 灰色边界为 2008 年数据 。222 特征点提取面实体特征点提取与线实体特征点提取方法类似 ， 面实体特征点提取结果如图 9 所示 。图 8 试验数据二边界叠加及局部图Fig8 The boundary superposition of the experimental data 2 and local map图 9 试验数据二特征点提取及局部图Fig9 The feature points of the experimental data 2 and local map第 6 期 逯跃锋 ， 等 : 一种基于斜率差和方位角的矢量数据匹配算法 37223 控制点选取结果试验数据二所选取的控制点如表 4 所 示 。表 4 试验数据二所选控制点Table 4 The control points of the experimental data 2控 制点号 控制点 X 坐标 控制点 Y 坐 标k199. 441 46 37. 303 62k299. 457 52 36. 482 70k3100. 944 09 36. 491 63k4100. 915 53 37. 310 76224 同名特征点匹配结果经过反复试验 相似度阈值取为 0. 965。对相似度匹配结果进行整理 ， 可得匹配情况如表 5 所示 。试验结果表明 ， 当相似度阈值 sim0=0. 965 时 ， 匹 配成功点数 r = 61， 其中 17 个特征点匹配重复 ， 匹配正确率 P =72. 13%。表 5 中 n 为匹配中所用的特征点数 。由于本试验所采用的是相同坐标系不同时相青海湖矢量数据 ， 青海湖边界发生了一定变化 ， 所以匹配正确率相对较低 ， 与实际情况相符 。表 5 匹 配试验结果Table 5 The matching results试验对象sim0n r P/%11 000 万 铁路线实体11 500 万铁路线实体0. 996 55 51 92. 152000 年青海湖面实体2008 面青海湖面实体0. 965 78 61 72. 132. 3 对 比分析试验选取中国两个不同年份 ( 2008 年和 2015年 ) 水系数据 ， 选取如图 10 所示 4 组算例 : ( a) A1和 B1，( b) A2 和 B2、B3，( c) A3 和 B4，( d) A4 和B5、B6、B7。文 献 11 中算法综合利用待匹配实体形心 、边界点 、面积等属性来描述实体间的相似度 ，文献 15 通过计算两实体的重叠面积来描述实体间的相似度 。采用查准率和查全率作为性能评估指标 ， 与文献 11 和文献 15 进行试验对比分析 。试验结果如表 6 8 所示 。图 10 匹配试验所用实体对Fig10 The entities of the experimental表 6 本研究算法匹配结果Table 6 The matching results of this research实体对 提取极值点数 匹配特征点数 匹配成功点对数 匹配率 /% ( ) 匹 配结果A1B1 105369 1542846 149 96. 75 ( 13550%) 匹 配A2B2 6387 30258 26 86. 6 ( 13550%) 匹 配A2B3 637 245 3 60. 0 ( 13510%) 不匹配A3B4 2319 2118 12 66. 67 ( 12510%) 匹 配A4B5 144163 112133 95 84. 82 ( 13510%) 匹 配A4B6 14411 92527 22 81. 48 ( 13550%) 匹配A4B7 1445 9257 5 71. 43 ( 13550%) 匹 配注 : 为删除冗余点阈值 ， 为添加合理特征点阈值 。表 7 文献 11 和 15 算法匹配结果Table 7 The matching results of the references 11 and 15实体对文献 11 算 法位 置相似度 形状相似度 大小相似度 总相似度 匹配结果文献 15 算 法相 似度 匹配结果A1B1 0. 994 90 0. 994 57 0. 998 93 0. 995 40 匹配 0. 983 24 匹 配A2B2 0. 915 96 0. 981 57 0. 733 78 0. 929 30 匹配 0. 711 05 匹 配A2B3 0. 418 20 0. 922 51 0. 007 55 0. 687 70 不匹配 0. 006 45 不匹配A3B4 0. 963 52 0. 975 05 0. 936 98 0. 966 80 匹配 0. 890 08 匹 配A4B5 0. 986 44 0. 990 79 0. 969 25 0. 986 50 匹配 0. 960 32 匹 配A4B6 0. 661 49 0. 931 35 0. 004 08 0. 731 80 匹配 0. 197 12 不匹配A4B7 0. 644 73 0. 927 81 0. 000 22 0. 726 10 匹配 038 山 东 大 学 学 报 ( 工 学 版 ) 第 46 卷表 8 本研究算法与文献 11 、 15 算 法比较Table 8 esults of comparison with matching methodsin the references 11 and 15本 研究算法查 准率 查全率文献 11 算 法查 准率 查全率文献 15 算 法查 准率 查全率4/4 6/7 4/4 6/7 4/4 4/6文 献 11 算法相似度模型虽然简单易实现 ， 匹配速度快 ， 但是匹配中要求两形状边界节点和实体形心相对位置一致 ， 故节点坐标对匹配精度影响较大 。文献 15 利用重叠面积进行相似度计算 ， 但如图 10 和表 7 所示 ， 当 A4 和 B7 并不存在重叠面积时 ， 将不能识别两者的匹配度 。本研究算法避免文献 15 中出现的弊端 ， 利用距离和斜率差进行特征点的搜索 ， 避免了文献 11 中边界节点和实体形心相对位置的影响 ， 匹配结果正确率较高 ， 算法有效 。3 结 语本研究分析了当前同名特征点搜索与匹配算法的 优劣 ， 并在此基础上提出了基于斜率差值和方位角的同名特征点搜索和匹配算法 ， 并分别对同一坐标系下不同比例尺的线实体以及同一坐标系下不同时相面实体进行试验 ， 试验结果分析验证了本研究所提出的方法是合理可行的 。但算法还存在一定的不足 ， 如在计算相似度时 ， 出现了重复匹配的现象 ，在后续的研究中将考虑如何减少重复匹配 ( 如增加语义条件等 ) ， 提 高匹配精度 。参 考文献 : 1 王东华 ， 刘建军 国家基础地理信息数据库动态更新总体技术 J 测绘学报 ， 2015， 44( 7) : 822-825WANG Donghua， LIU Jianjun Key techniques for dy-namic updating of national fundamental geographic infor-mation database J Acta Geodaetica et CartographicaSinica， 2015， 44( 7) : 822-825 2 刘 建军 ， 吴晨琛 ， 杨眉 ， 等 对基础地理信息应需及时更新的思考 J 地理信息世界 ， 2016， 23( 2) : 79-82LIU Jianjun， WU Chenchen， YANG Mei， et al Thoughtsof demand-response real-time updating of fundamental ge-ographic information J Geomatics World， 2016， 23( 2) : 79-82 3 王 东华 ， 刘建军 ， 商瑶玲 ， 等 国家 150 000 基础地理信息数据库动态更新 J 测绘通报 ， 2013， 7: 1-4WANG Donghua， LIU Jianjun， SHANG Yaoling， et alDynamic updating of national fundamental geography in-formation database J Bulletin of Surveying and Map-ping， 2013， 7: 1-4 4 刘建军 国家基础地理信息数据库建设与更新 J 测绘通报 ， 2015， 10: 1-3LIU Jianjun Construction and updating of national funda-mental geographic information database J Bulletin ofSurveying and Mapping， 2015， 10: 1-3 5 张元杰 ， 刘建军 ， 刘剑炜 ， 等 要素级多时态地形数据库建库与管理技术设计 J 地理信息世界 ， 2014， 21( 1) :29-32ZHANG Yuanjie， LIU Jianjun， LIU Jianwei， et al Build-ing feature based multi spatio-temporal topographic data-base management system J Geomatics World， 2014，21( 1) : 29-32 6 付 仲良 ， 周凡 ， 逯跃锋 基于 GIS 技术的电网应急态势标绘 J 山东大学学报 ( 工学版 ) ， 2013， 43( 4) : 1-6FU Zhongliang， ZHOU Fan， LU Yuefeng Power gridemergency situation plotting technology based on GIS J Journal of Shandong University ( Engineering Sci-ence) ， 2013， 43( 4) : 1-6 7 郑 君君 ， 夏胜平 ， 李新光 ， 等 基于 SOM 树的图像 K 近邻求解算法 J 山东大学学报 ( 工学版 ) ， 2011， 41( 2) :80-84ZHENG Junjun， XIA Shengping， LI Xinguang， et al Knearest neighbors detecting algorithm based on a SOMtree J Journal of Shandong University ( EngineeringScience) ， 2011， 41( 2) : 80-84 8 许 靖 ， 蔡文学 ， 黄晓宇 基于经验修正策略的延时地图匹配算法 J 山东大学学报 ( 工学版 ) ， 2011， 41( 5) : 69-75XU Jing， CAI Wenxue， HUANG Xiaoyu An empiricalcorrection strategy based delays map-matching algorithm J Journal of Shandong University ( Engineering Sci-ence) ， 2011， 41( 5) : 69-75 9 MCMASTE B The integration of simplification andsmoothing algorithms in line generalization J Carto-graphica， 1989， 26( 1) : 101-121 10 牛 玉礼 ， 李岁劳 ， 任鸿飞 ， 等 一种基于曲率分析的电子地图数据压缩方法 J 机械与电子 ， 2013( 7) : 23-26NIU Yuli， LI Suilao， EN Hongfei， et al A new meth-od of electronic map data compression based on the cur-vature analysis J Machinery Electronics， 2013( 7) : 23-26 11 黄 培之 具有预测功能的曲线矢量数据压缩方法 J 测绘学报 ， 1995， 24( 4) : 316-319HUANG Peizhi Vector data compression with predictionfunction J Acta Geodaetica et Cartographica Sinica，1995， 24( 4) : 316-319 12 赵 永清 ， 谢传节 ， 乔玉良 ， 等 基于最值点的道格拉斯普克压缩算法 J 软件导刊 ， 2008， 11( 7) : 60-62ZHAO Yongqing， XIE Chuanjie， QIAO Yuliang， et alDouglas-peucker compressing algorithm about extreme第 6 期 逯跃锋 ， 等 : 一种基于斜率差和方位角的矢量数据匹配算法 39points J Software Guide， 2008， 11( 7) : 60-62 13 王 海晓 ， 朱旭光 一种基于斜率变化间接提取轮廓特征点的算法 J 软件导刊 ， 2010， 11( 9) : 66-67WANG Haixiao， ZHU Xuguang An algorithm of ex-tracting contour feature points based on slope variation J Software Guide， 2010， 11( 9) : 66-67 14 喜 文飞 ， 方源敏 ， 隋玉成 ， 等 一种改进的矢量曲线特征点提取方法 J 江西科学 ， 2011， 29( 2) : 282-284XI Wenfei， FANG Yuanmin， SUI Yucheng， et al Animproved feature extr