基于先验知识的gis矢量边界更新方法研究

《基于先验知识的gis矢量边界更新方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文摘要自然环境的变化对地球资源与环境产生深远的影响，及时、有效的检测地物变化，更新相关的地理信息，对遥感影像变化检测及GIS数据更新技术提出迫切需求。以GIs数据更新为目的的遥感影像变化检测操作方法，依然存在自动化程度低、通用性差的缺陷，因此针对不同数据特点和实际目的的变化检测．更新集成方法成为研究热点。本文以扎龙湿地内部地物边界为研究对象，分别利用历史GIS矢量边界数据和遥感影像作为先验知识，提出三种GIS矢量边界自动更新方法，通过集成变化检测与更新环节，使地物边界的变化检测及对应的矢量数据更新集成实现。通过大体定位、凹凸判断、边界细化三个步骤实现横纵邻域搜索法对

2、地物边界的仿真实验，利用简化的缓冲区检测算法及矢量多边形相似度两种评价指标证明其对矢量边界数据更新效果已接近手动矢量化。针对横纵邻域搜索法存在对矢量边界形状缺少约束的缺陷，引入利用内部能量约束轮廓形状的蛇模型，借助蛇模型的初始位置承载GIS先验信息，进一步提出基于分组式蛇模型的矢量边界更新方法，通过引入蛇点分组、蛇点单次运动步长自适应缩放以及能量表达式系数的自学习等机制，使传统蛇模型存在的对初始位置的敏感性在分组式蛇模型中有所改善，实验证明基于分组式蛇模型的矢量边界更新效果优于单独使用传统蛇模型或贪婪算法蛇模型的效果，尤其在初始位置与真实地物边界距离较远时可以达到明显高于其它两种方法的拐

3、点定位准确率。在分组式蛇模型的基础上，针对拐点定位准确率偏低的问题，引入历史遥感影像对目标轮廓估计，使矢量边界拐点定位准确率较分组式蛇模型得到显著提高。本文提出矢量边界更新方法，充分利用已有遥感影像和矢量数据作为先验知识，集成变化检测与数据更新环节，使矢量边界的更新精度得到提高。关键词：遥感影像；GIS矢量边界；数据更新；先验知识；集成大连理工大学硕士学位论文StudyofGISVectorEdgeUpdateMethodBasedonPriorKnowledgeAbstractChangesofnaturalenvironmenthaveprofoundeffectonglobalre

4、sourcesandenvironments．Timelyandefficientchangedetectionandgeographicalinformationupdatebe．xxlmlesurgentneedforthedetectiontechniquesofimagerychangesinremotesensinganddataupdateinGIS．TherestillexistdefectslikelowautomationandgeneralizationinGISdateupdate-orientedmethodsofchangedetectioninremotese

5、nsingimages．Therefore,methodsadaptiveforcharacterofdatatypeandpracticalobjectaregraduallyfocusedon．AimingattheobjectcdgcinsideZhalongWetland,thispaperproposesthreepriorGISdataandremotesensingimagesbasedmethodsforGISvectorcdgeupdate．Allofthethreemethodsintegratechangedetectionandulxlateprocesses．H

6、orizontal-verticalneighboringsearcMngmethodisimplementedbasedonroughlocation,convexity-concavityidentificationanddetailedlocation．Theexperimentaleffectsrevealcloserresultstomanualmethodexceptforhuman-basedthresholdvalueandweakshape-maintenance．Toconfineregionalshape，snakemodelisintroducedtosubsti

7、tutepreviousve￡toredgeforinitialcontourandadoptinmmalenergytoenhanceshape-maintenance．Combiningoriginalsnakemodelandgreedysnakemodel，thispaperpresentsanimprovedmethod：groupingsnakemodelwhichperformsgroupingsnaxels，adap