典型文献
AlexNet支持下的地图建筑物形状分类方法
文献摘要：
地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用.地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题.目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳.本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别.该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别.本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证.相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提高了 2.48％,达到92.32％,对于较为复杂的形状(如T形、十字形)识别也具有更高的精度,查准率分别提高了 13.83％和24.53％.实验结果表明本文提出的方法对建筑物形状分类的效果有明显提升,能够实现常见建筑物形状的有效分类,为下一步的建筑物化简、典型化等综合操作打下了基础.
文献关键词：
制图综合;建筑物识别;深度学习;卷积神经网络;模板匹配;形状分类;建筑物化简;矢栅结合
中图分类号：
作者姓名：
焦洋洋;刘平芝;刘爱龙;刘松林
作者机构：
信息工程大学,郑州450001;地理信息工程国家重点实验室,西安710054;西安测绘研究所,西安710054
文献出处：
引用格式：
[1]焦洋洋;刘平芝;刘爱龙;刘松林-.AlexNet支持下的地图建筑物形状分类方法)[J].地球信息科学学报,2022(12):2333-2341
A类：
建筑物化简,矢栅结合
B类：
AlexNet,形状分类,分类方法,地图制图综合,空间查询,识别与分类,建筑物轮廓,典型化,综合研究,形状识别,图面,面状要素,直角,角化,矢量地图,分类问题,栅格图,图形分类,空间认知,认知规律,OSM,数据采样,单体建筑,分类训练,训练样本,神经网络分类,分类模型,练好,大比例尺,样本训练,相似性度量,实验区,识别分类,体查,查全率,十字形,查准率,建筑物识别,模板匹配
AB值：
0.308644
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
