[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 9، شماره 3 - ( 9-1400 ) ::
جلد 9 شماره 3 صفحات 24-1 برگشت به فهرست نسخه ها
تناظریابی عوارض چندضلعی با استفاده از بهینه‌سازی معیارهای هندسی
علی معینی رودبالی، رحیم علی عباسپور*، علیرضا چهرقان
دانشگاه تهران
چکیده:   (182 مشاهده)
در تناظریابی هندسی عوارض چندضلعی در مجموعه داده‌های چندمقیاسی معیارهای متفاوتی استفاده می­شود. این معیارها در تناظریابی عوارض چندضلعی در مجموعه داده‌های برداری با مقیاس­های مختلف عملکرد متفاوتی دارند. از این رو جهت رسیدن به نتایج مطلوب­تر، تعیین مقادیر بهینه وزن معیارهای هندسی برای هریک از مجموعه داده‌ها ضروری است. در تحقیق حاضر رویکردی برمبنای الگوریتم ژنتیک جهت تعیین مقدار بهینه میزان اثرگذاری معیارهای هندسی در تناظریابی عوارض چندضلعی پیشنهاد می‌گردد. این رویکرد به منظور یافتن عوارض متناظر در مجموعه داده‌های مکانی از پنج معیار مساحت هم‌پوشانی، فاصله اقلیدسی، راستای عوارض، فاصله هاسدورف و شباهت شکل عوارض بصورت همزمان استفاده نموده و با بهره‌گیری از الگوریتم ژنتیک تناظریابی عوارض را براساس بهینه­سازی معیارها انجام می­دهد. جهت ارزیابی رویکرد پیشنهادی از مجموعه داده‌های مکانی متنوعی استفاده شده است، داده­های مورد استفاده شامل بخشی از عوارض مسکونی شهر بندرعباس در مقیاس‌های 1:25000، 1:50000 و 1:100000،  عوارض مسکونی منطقه 6 شهر تهران در مقیاس‌های 1:25000 و 1:50000 و بخشی از عوارض مسکونی شهر رشت در مقیاس‌های 1:25000، 1:50000 و 1:100000 می­باشد. نتایج نشان داد تناظریابی با رویکرد پیشنهادی نسبت به حالتی که تمام معیارها با وزن برابر وارد تناظریابی شوند به مقدار 61/28 درصد و نسبت به حالتی که وزن معیارها بر اساس نظر کارشناس وارد تناظریابی شوند به مقدار 13/9 درصد بهبود می­یابد.
واژه‌های کلیدی: تناظریابی عوارض چندضلعی، معیارهای هندسی، بهینه‌سازی، الگوریتم ژنتیک
متن کامل [PDF 1995 kb]   (63 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: 1400/3/2 | پذیرش: 1400/8/25 | انتشار: 1400/9/30
فهرست منابع
1. [1] Wang, Y., et al., "A back‐propagation neural network‐based approach for multi‐represented feature matching in update propagation", Transactions in GIS, Vol.19, pp. 964-993, 2015. [DOI:10.1111/tgis.12138]
2. [2] Samal, A., S. Seth, and K. Cueto 1, "A feature-based approach to conflation of geospatial sources", International Journal of Geographical Information Science, Vol.18, pp. 459-489, 2004. [DOI:10.1080/13658810410001658076]
3. [3] Lei, T. and Z. Lei, "Optimal spatial data matching for conflation: A network flow‐based approach", Transactions in GIS, Vol.23, pp. 1152-1176, 2019. [DOI:10.1111/tgis.12561]
4. [4] Fan, H., et al., "A polygon-based approach for matching OpenStreetMap road networks with regional transit authority data", International Journal of Geographical Information Science, Vol.30, pp. 748-764, 2016. [DOI:10.1080/13658816.2015.1100732]
5. [5] Fan, H., et al., "Quality assessment for building footprints data on OpenStreetMap", International Journal of Geographical Information Science, Vol.28, pp. 700-719, 2014. [DOI:10.1080/13658816.2013.867495]
6. [6] Wang, Y., et al., "A propagating update method of multi-represented vector map data based on spatial objective similarity and unified geographic entity code", in Cartography from Pole to Pole: Springer, 2014, pp. 139-153. [DOI:10.1007/978-3-642-32618-9_10]
7. [7] Tong, X., W. Shi, and S. Deng, "A probability-based multi-measure feature matching method in map conflation", International Journal of Remote Sensing, Vol.30, pp. 5453-5472, 2009. [DOI:10.1080/01431160903130986]
8. [8] Kim, I.-H., C.-C. Feng, and Y.-C. Wang, "A simplified linear feature matching method using decision tree analysis, weighted linear directional mean, and topological relationships", International Journal of Geographical Information Science, Vol.31, pp. 1042-1060, 2017. [DOI:10.1080/13658816.2016.1267736]
9. [9] Tong, X., D. Liang, and Y. Jin, "A linear road object matching method for conflation based on optimization and logistic regression", International Journal of Geographical Information Science, Vol.28, pp. 824-846, 2014. [DOI:10.1080/13658816.2013.876501]
10. [10] Chehreghan, A. and R. Ali Abbaspour, "A new descriptor for improving geometric-based matching of linear objects on multi-scale datasets", GIScience & Remote Sensing, Vol.54, pp. 836-861, 2017. [DOI:10.1080/15481603.2017.1338390]
11. [11] Chehreghan, A. and R. Ali Abbaspour, "A geometric-based approach for road matching on multi-scale datasets using a genetic algorithm", Cartography and Geographic Information Science, Vol.45, pp. 255-269, 2018. [DOI:10.1080/15230406.2017.1324823]
12. [12] Olteanu-Raimond, A.-M., S. Mustiere, and A. Ruas, "Knowledge formalization for vector data matching using belief theory", Journal of Spatial Information Science, pp. 21-46, 2015. [DOI:10.5311/JOSIS.2015.10.194]
13. [13] Farahanipooya, A., et al., "Roads matching in a multi-scale spatial database using a least square line", Journal of Geomatics Science and Technology, Vol.3, pp. 87-104, 2013.
14. [14] Li, L. and M. Goodchild, "Automatically and accurately matching objects in geospatial datasets", in Adv. Geo-Spat. Inf. Science: 2012, pp. 71-79.
15. [15] Zhang, X., et al., "A multi-scale residential areas matching method using relevance vector machine and active learning", ISPRS International Journal of Geo-Information, Vol.6, p. 70, 2017. [DOI:10.3390/ijgi6030070]
16. [16] Fu, Z., et al., "A moment-based shape similarity measurement for areal entities in geographical vector data", ISPRS International Journal of Geo-Information, Vol.7, p. 208, 2018. [DOI:10.3390/ijgi7060208]
17. [17] Wang, Y., et al., "A PSO-neural network-based feature matching approach in data integration", in Cartography-Maps connecting the world: Springer, 2015, pp. 189-219. [DOI:10.1007/978-3-319-17738-0_14]
18. [18] Du, H., et al., "A method for matching crowd‐sourced and authoritative geospatial data", Transactions in GIS, Vol.21, pp. 406-427, 2017. [DOI:10.1111/tgis.12210]
19. [19] Abdolmajidi, E., et al., "Matching authority and VGI road networks using an extended node-based matching algorithm", Geo-Spatial Information Science, Vol.18, pp. 65-80, 2015. [DOI:10.1080/10095020.2015.1071065]
20. [20] Yang, B., Y. Zhang, and X. Luan, "A probabilistic relaxation approach for matching road networks", International Journal of Geographical Information Science, Vol.27, pp. 319-338, 2013. [DOI:10.1080/13658816.2012.683486]
21. [21] Zhang, M. and L. Meng, "Delimited stroke oriented algorithm-working principle and implementation for the matching of road networks", Geographic Information Sciences, Vol.14, pp. 44-53, 2008. [DOI:10.1080/10824000809480638]
22. [22] Kieler, B., et al., "Matching river datasets of different scales", in Advances in GIScience: Springer, 2009, pp. 135-154. [DOI:10.1007/978-3-642-00318-9_7]
23. [23] Hastings, J., "Automated conflation of digital gazetteer data", International Journal of Geographical Information Science, Vol.22, pp. 1109-1127, 2008. [DOI:10.1080/13658810701851453]
24. [24] Harrie, L. and A. Hellstrom, "A case study of propagating updates between cartographic data sets", presented at 19th International Cartographic Conference, 11th General Assembly of ICA, Ottawa. 1999.
25. [25] Levenshtein, V.I., "Binary codes capable of correcting deletions, insertions, and reversals". Soviet physics doklady: Soviet :union:, Vol.10, pp.707-710, 1966.
26. [26] Huang, L., et al., "Feature matching in cadastral map integration with a case study of Beijing", presented at 18th International Conference on Geoinformatics, 2010. [DOI:10.1109/GEOINFORMATICS.2010.5567494]
27. [27] Kim, J. and K. Yu, "Areal feature matching based on similarity using CRITIC method", The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.40, p. 75, 2015. [DOI:10.5194/isprsarchives-XL-2-W4-75-2015]
28. [28] Zhonglianga, F. and W. Jianhuaa, "Entity matching in vector spatial data", presented at XXI ISPRS Congress. 2008.
29. [29] Mandal, S.N., J.P. Choudhury, and S.B. Chaudhuri, "In search of suitable fuzzy membership function in prediction of time series data", International Journal of Computer Science Issues, Vol.9, pp. 293-302, 2012.
30. [30] Wenjing, T., et al., "Research on areal feature matching algorithm based on spatial similarity", presented at Chinese control and decision conference, 2008.
31. [31] Rucklidge, W., Efficient visual recognition using the Hausdorff distance. Springer-Verlag, 1996. [DOI:10.1007/BFb0015091]
32. [32] Huh, Y., K. Yu, and J. Heo, "Detecting conjugate-point pairs for map alignment between two polygon datasets", Computers, Environment and Urban Systems, Vol.35, pp. 250-262, 2011. [DOI:10.1016/j.compenvurbsys.2010.08.001]
33. [33] Ying, S., et al., "Probabilistic matching of map objects in multi-scale space", presented at 25th International Cartographic Conference, 2011.
34. [34] Zhang, X., et al., "Pattern classification approaches to matching building polygons at multiple scales", in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume I-2, XXII ISPRS Congress, International Society for Photogrammetry and Remote Sensing, pp. 19-24, 2012. [DOI:10.5194/isprsannals-I-2-19-2012]
35. [35] Yue, H., et al., "A Multi-Scale Settlement Matching Algorithm Based on ARG", International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, Vol.41, 2016. [DOI:10.5194/isprs-archives-XLI-B2-139-2016]
36. [36] Arkin, E.M., et al., "An efficiently computable metric for comparing polygonal shapes", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.13, 1991. [DOI:10.21236/ADA235508]
37. [37] Chamani, M., R. Ali Abbaspour, and A.R. Chehreghan, "Matching of Polygon Objects Based on Geometric Measures in a Multi-Scale Dataset", Journal of Geomatics Science and Technology, Vol.7, pp. 73-87, 2018.
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Moeini Roudbali A, Ali Abbaspour R, Chehreghan A. Matching of Polygon Objects by Optimizing Geometric Criteria. jgit. 2021; 9 (3) :1-24
URL: http://jgit.kntu.ac.ir/article-1-830-fa.html

معینی رودبالی علی، علی عباسپور رحیم، چهرقان علیرضا. تناظریابی عوارض چندضلعی با استفاده از بهینه‌سازی معیارهای هندسی. مهندسی فناوری اطلاعات مکانی. 1400; 9 (3) :24-1

URL: http://jgit.kntu.ac.ir/article-1-830-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 9، شماره 3 - ( 9-1400 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 28 queries by YEKTAWEB 4410