一种基于CFSFDP改进算法的地图图斑聚类融合处理方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115205699A(43)申请公布日2022.10.18(21)申请号202210749976.3(22)申请日2022.06.29(71)申请人中国测绘科学研究院地址100036北京市海淀区莲花池西路28号(72)发明人陈颂赵习枝刘晓东张福浩仇阿根李栋鲍帅郑佳荣(74)专利代理机构北京睿派知识产权代理事务所(普通合伙)11597专利代理师刘锋(51)Int.Cl.G06V20/13(2022.01)G06V20/10(2022.01)G06V10/762(2022.01)G06V10/80(2022.01)权利要求书3页说明书9页附图3页(54)发明名称一种基于CFSFDP改进算法的地图图斑聚类融合处理方法(57)摘要一种基于CFSFDP改进算法的地图图斑聚类融合处理方法，利用CFSFDP算法的基本思路，将密度计算方法改进为图斑聚集程度计算，通过各图斑之间的距离获得密集聚集程度值与图斑关系，结合聚类中心或距离方案对n叉树进行剪枝，生成聚类结果，以此辨别图斑的分布与归属。本发明对CFSFDP算法进行了部分改进，保有原算法的优点，还简化了算法的数据组织结构，将图斑密度计算替换为图斑聚集程度计算，使之适应图斑聚类处理，并采取划定距离阈值或聚类中心方案对n叉树进行剪枝，可调节的得到聚类结果，减少原有数据定量分析的工作量，可用于对建筑、农田等具有明显聚集特征的地图图斑的聚类，进一步完善对此类信息的处理。CN115205699ACN115205699A权利要求书1/3页1.一种基于CFSFDP改进算法的图斑聚类融合处理方法，其特征在于，包括如下步骤：图斑距离矩阵计算步骤S110：基于已有的遥感影像解译结果，获取需要处理的海量地类图斑，基于地图图斑的形状与分布，计算各图斑间的距离，对所有图斑进行两两计算，生成地图图斑距离矩阵；地图图斑聚集度计算步骤S120：基于地图图斑距离矩阵，各图斑选取k个最邻近图斑，计算反距离平均值作为图斑聚集度值，其中k个数由用户依据最小图斑聚类个数设定；构建地图图斑归属n叉树S140：依据地图图斑聚集度值的计算结果，对各个图斑𝑖建立归属关系，各图斑𝑖只对比自身聚集值大的图斑𝑗进行距离计算，即，在获得与所有符合条件的图斑的计算距离，取其中的最小值的𝑗作为𝑖保留的归属关系，记为，针对聚集度值最大的图斑𝑖,采用其余所有图斑的最小连接距离值中的最大值来代表自身上级要素的距离值，自身作为上级连接图斑，通过上述处理，从而生成基于图斑距离生成的n叉树；n叉树剪枝聚类步骤S150：将地图图斑要素关系结构n叉树进行梳理，识别分析树枝关系与关键分支点，依据聚类需求，选择聚类剪枝方案，在n叉树上，根据相应剪枝方案剪掉相应的树枝联系，生成多个要素集，并统一编号处理。2.根据权利要求1所述的图斑聚类融合处理方法，其特征在于：在步骤S120和S140之间还包括地图图斑聚集度排序步骤S130：在已有的地图图斑聚集度数值的基础上，对地图图斑聚集度数值进行排序，获得各要素的重要性排名，为构建地图图斑归属n叉树提供数值依据。3.根据权利要求1所述的图斑聚类融合处理方法，其特征在于：构建地图图斑归属n叉树S140具体为：1）单向遍历地图图斑：根据地图图斑𝑖的图斑聚集程度大小，自大到小获取地图图斑𝑖所需计算的地图图斑𝑗的存储ID；2）与上级图斑建立连接：依据图斑聚集程度进行上级图斑的连接，即在序列中的要素𝑖向密度较高的要素𝑗建立连接，由此从所有密度较高的要素中选取距离自身最近的图斑，建立依附关系，其中，𝑖是图斑的ID，只有当，即图斑𝑗聚集度比图斑𝑖大，获取图斑𝑖距离最小的图斑𝑗并保留图斑j的ID与距离,作为图斑𝑖字段“上级要素”与“上级距离”的属性；若𝑖为聚集度值最大时，即，“上级要素”属性设为自身ID，距离采用后续其他中的2CN115205699A权利要求书2/3页最大值；3）n叉树结构生成：根据各图斑计算所得到的“上级要素”与“上级距离”获取要素的关系，生成的带有上级要素信息的序列表，形成n叉树结构的图斑要素关系。4.根据权利要求1所述的图斑聚类融合处理方法，其特征在于：图斑距离矩阵计算步骤S110中，采用多边形中心距离或边界最近距离度量进行距离计算，具体为：（1）多边形中心距离：采用地图图斑的几何中心作为距离计算的依据，计算各图斑之间中心的距离，得到最后结果；（2）边界最近距离：最短距离是采用图斑外边界计算相互之间的距离，根据边界的关键点或边进行检索解算，发现最短的距离，当多边形出现叠置与接触时，最近距离为0。5.根据权利要求1所述的图斑聚类融合处理方法，其特征在于：在地图图斑聚集度计算步骤S120中，所述计算反距离平均值作为图斑聚集度值具体包括：1)获取k个最邻近图斑：首先对地图