發(fā)布時間：2022-10-19 08:30

　　隨著計算機技術(shù)的快速發(fā)展,形狀匹配技術(shù)已經(jīng)成為計算機視覺等領(lǐng)域的研究熱點,很多形狀匹配方法成功應(yīng)用于人臉識別、文本識別等問題。同時,形狀匹配也是地理特征認知識別的重要因素之一,如何衡量兩個目標形狀之間的相似程度取決于目標本體的特征和受眾的主觀認知,是一個空間認知的過程。建筑物要素是地理空間要素的重要組成部分,具有直角轉(zhuǎn)折、軸線對稱等明顯的視覺特征,其形狀匹配在綜合化簡、數(shù)據(jù)融合等問題中都是重要基礎(chǔ)。形狀匹配的基本流程包括提取一定的形狀表示因子和在該形狀表示下的相似性度量,已有的形狀匹配方法多基于形狀某些方面的特征進行描述,而沒有綜合考慮形狀表示之間的關(guān)系和認知角度,通過人為定義權(quán)重等方式對不同的認知角度和數(shù)值尺度的形狀表示進行融合缺乏合理的解釋。當前深度學習技術(shù)在計算機視覺、自然語言處理和機器智能等依賴于人類認知的領(lǐng)域取得重大成就,深度學習能夠基于人類的數(shù)據(jù)經(jīng)驗挖掘其中的認知特征。因此,本文以空間認知為出發(fā)點,從不同的認知角度構(gòu)建一系列建筑形狀的表示特征,基于深度學習的特征挖掘和知識發(fā)現(xiàn)能力,對建筑形狀進行編碼表示,從而實現(xiàn)符合視覺認知的形狀匹配。具體地,本文的主要成果和創(chuàng)新點包括:（... 

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

二值化圖像表示示例

本文技術(shù)路線

單個神經(jīng)元模型

【參考文獻】：
期刊論文
[1]基于多尺度輪廓段的形狀特征提取與識別[J]. 韋琪,王連明.  計算機工程與應(yīng)用. 2019(05)
[2]機器自監(jiān)督學習的建筑物面要素幾何形狀度量[J]. 馬磊,閆浩文,王中輝,劉波,呂文清.  測繪科學. 2017(12)
[3]一種基于形狀上下文特征匹配的線狀要素Morphing方法[J]. 方文江,李精忠.  武漢大學學報(信息科學版). 2017(07)
[4]以多尺度三角形為特征的快速形狀匹配[J]. 陶易之,賀賽先.  計算機輔助設(shè)計與圖形學學報. 2017(03)
[5]一種應(yīng)用三角形劃分的空間對象形狀匹配方法[J]. 田澤宇,門朝光,劉詠梅,蔣慶豐,湯亞楠.  武漢大學學報(信息科學版). 2017(06)
[6]居民地要素化簡的形狀識別與模板匹配方法[J]. 晏雄鋒,艾廷華,楊敏.  測繪學報. 2016(07)
[7]一種基于多尺度輪廓點空間關(guān)系特征的形狀匹配方法[J]. 楊亞飛,鄭丹晨,韓敏.  自動化學報. 2015(08)
[8]形狀匹配方法研究與展望[J]. 周瑜,劉俊濤,白翔.  自動化學報. 2012(06)
[9]基于線要素綜合的形狀相似性評價模型[J]. 劉鵬程,羅靜,艾廷華,李暢.  武漢大學學報(信息科學版). 2012(01)
[10]基于原型模板形狀匹配的建筑多邊形化簡[J]. 劉鵬程,艾廷華,胡晉山,成曉強.  武漢大學學報(信息科學版). 2010(11)

博士論文
[1]形狀識別在地圖綜合中的應(yīng)用研究[D]. 劉鵬程.武漢大學 2009
[2]基于幾何特征的多尺度矢量面狀實體匹配方法研究與應(yīng)用[D]. 邵世維.武漢大學 2011
[3]形狀不變特征提取及應(yīng)用研究[D]. 賈棋.大連理工大學 2014
[4]多尺度居民地要素增量級聯(lián)更新方法研究[D]. 許俊奎.解放軍信息工程大學 2013

碩士論文
[1]基于目標聚類的面狀地理要素匹配研究[D]. 劉森.南京師范大學 2014



本文編號：3693037