论文部分内容阅读
地理数据的快速获取与自动更新是长期困扰人们的一个难题.长期以来,采用目视解译手工操作方法实现地理数据的更新一直是主流的更新方法,伴随着地理信息系统(GIS)、遥感(RS)和计算机技术等的飞速发展和应用,近十几年来人们已经能在全数字化的处理环境下,完成利用遥感图像对地理数据的半自动更新,但总的来说自动化的程度都很低.经过若干年的研究和实践,人们已经认识到自动的变化检测是自动更新的关键环节,要实现地理数据的自动更新就必须首先实现地理数据的自动变化检测.道路是地理数据库中的关键要素,而且随着城市建设、市区的扩张,地理数据库中的道路是最容易发生变化、最需要更新的部分,因此有必要深入研究道路的变化检测.尽管对变化检测的研究很多,但迄今为止,有关对变化检测的系统研究和对道路网自动变化检测的全方位探讨尚未有相关的报道.本文研究了变化检测的整体框架及基于特征的道路网的自动变化检测的理论和算法,为基于图形与图形、基于图形与图像条件下的道路网自动变化检测提供相应的理论依据和实用算法.本文的研究内容主要集中在三个方面:全面探讨了变化检测领域的各个方面并建立了变化检测的总体框架、研究了基于图形与图形的道路网自动变化检测的理论与算法、研究了基于图形与图像的道路网自动变化检测的理论与算法.鉴于以往的研究对变化检测的整体内容考虑得较少,本文从变化检测的含义、过程、层次、分类、任务、结果表达、精度评估、算法评价、可视化、数据源选择等多方面对变化检测进行了总结和研究.基于图形与图形的变化检测是一个全新的研究课题,本文对相关的理论和算法做了深入的探究,从相同比例尺和不同比例尺两个主要方面对涉及到的算法和处理流程做了详细的描述.基于图形与图像的道路网自动变化检测的主要难点在于新增道路的提取,在这一点上本文力图将计算机视觉领域对图像进行智能解译的理论包括特征编组、识别模型、知识推理等引入到道路的自动提取中,同时结合了结构信息和统计信息的优点来共同提取道路,在优化的理论上采用了Snake模型,在策略上则强调了GIS先验知识的引导作用.