CN115761279A - 空间布局相似性检测方法、设备、存储介质及装置 - Google Patents

Abstract

本发明公开了一种空间布局相似性检测方法、设备、存储介质及装置，本发明通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型对目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；根据相交结果图层和预设模型算法对空间布局进行相似性检测。由于本发明通过预设融合处理模型和叠加分析模型确定相交结果图层，根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本发明实现了自动化检查的同时提升了检查效率及检测结果的精准性。

Description

空间布局相似性检测方法、设备、存储介质及装置

技术领域

本发明涉及图像处理领域，尤其涉及一种空间布局相似性检测方法、设备、存储介质及装置。

背景技术

基于国土调查数据，开展系列比例尺缩编工作，进一步丰富了三调数据成果。针对于系列比例尺国土调查缩编数据实行质量控制，我国虽然有涉及关于空间数据综合的相关检查方法，但由于我国地形地貌、土地利用特征的复杂性、多样性，在综合的过程中，容易产生空间分布规律失衡等各种问题。只能通过人工目视检查或将矢量数据转为栅格数据进行检查，耗费大量人力和时间，对作业人员业务水平要求较高，检查效率低，检查结果的主观性和随意性很大，准确性不高，且容易漏查或错查，难以保障缩编数据产品质量。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种空间布局相似性检测方法、设备、存储介质及装置，旨在解决现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低的技术问题。

为实现上述目的，本发明提供一种空间布局相似性检测方法，所述空间布局相似性检测方法包括以下步骤：

获取缩编前地类图斑以及缩编后地类图斑；

通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；

通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；

根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

可选地，所述通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层的步骤，包括：

按照预设边界接触条件遍历缩编前地类图斑，通过预设融合模型从所述缩编前地类图斑提取第一相邻数据，并将所述第一相邻数据按照预设优先级顺序进行排序，生成目标要素数据集合；

将所述目标要素数据集合按照相同地类编码且空间邻接的条件进行划分，获得目标数据集合；

通过所述预设融合模型对目标数据集合进行融合处理，获得目标融合图层。

可选地，所述通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层的步骤，包括：

通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系；

根据所述空间相交关系构建相交结果图层的顶点序列；

根据所述顶点序列生成相交结果图层。

可选地，所述通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系的步骤，包括：

通过预设叠加分析模型中的交集计算模型确定所述目标融合图层以及缩编后地类图斑的交点信息；

根据所述交点信息和预设交点数量对所述目标融合图层上的交点进行排序，并通过遍历排序后的交点确定交点类型；

根据所述交点类型变换跟踪所述目标融合图层以及缩编后地类图斑对应的边界，根据跟踪结果确定所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

可选地，所述预设模型算法为行政辖区检测算法，所述根据所述相交结果图层和预设模型算法对空间布局进行相似性检测的步骤，包括：

通过预设打散模型对所述相交结果图层进行打散处理，获得目标要素对应的要素结果图层；

将所述要素结果图层分割成多个三角形，并根据预设几何算法计算要素结果图层对应的要素图像面积；

根据所述要素图像面积、所述行政辖区检测算法以及缩编前地类总面积确定整体空间布局相似度。

可选地，所述预设模型算法为地类图斑检测算法，所述根据所述相交结果图层和预设模型算法对空间布局进行相似性检测的步骤，包括：

按照地类图斑检测算法从所述相交结果图层中筛选前后地类编码不一致且图形面积不小于最小上图面积的要素，生成筛选结果图层；

从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积；

若各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。

可选地，所述从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积的步骤，包括：

对所述筛选结果图层做负缓冲处理，根据负缓冲结果剔除不规则图形；

对剔除后的图层进行打散处理，并对打散后的各要素图层进行正缓冲处理，获得目标要素图层；

根据预设几何算法计算目标要素图层对应的各要素图形面积。

此外，为实现上述目的，本发明还提出一种空间布局相似性检测设备，所述空间布局相似性检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空间布局相似性检测程序，所述空间布局相似性检测程序配置为实现如上文所述的空间布局相似性检测的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有空间布局相似性检测程序，所述空间布局相似性检测程序被处理器执行时实现如上文所述的空间布局相似性检测方法的步骤。

此外，为实现上述目的，本发明还提出一种空间布局相似性检测装置，所述空间布局相似性检测装置包括：

数据获取模块，用于获取缩编前地类图斑以及缩编后地类图斑；

融合处理模块，用于通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；

叠加分析模块，用于通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；

相似性检测模块，用于根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

本发明通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。由于本发明通过预设融合处理模型和叠加分析模型确定相交结果图层，从而根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本发明实现了自动化检查的同时提升了检查效率及检测结果的精准性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的空间布局相似性检测设备的结构示意图；

图2为本发明空间布局相似性检测方法第一实施例的流程示意图；

图3为本发明空间布局相似性检测方法第二实施例的流程示意图；

图4为本发明空间布局相似性检测方法第二实施例的整体空间布局相似性检测流程示意图；

图5为本发明空间布局相似性检测方法第三实施例的局部空间布局相似性检测流程示意图；

图6为本发明空间布局相似性检测装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的空间布局相似性检测设备结构示意图。

如图1所示，该空间布局相似性检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003 还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对空间布局相似性检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及空间布局相似性检测程序。

在图1所示的空间布局相似性检测设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述空间布局相似性检测设备通过处理器1001调用存储器1005 中存储的空间布局相似性检测程序，并执行本发明实施例提供的空间布局相似性检测方法。

基于上述硬件结构，提出本发明空间布局相似性检测方法的实施例。

参照图2，图2为本发明空间布局相似性检测方法第一实施例的流程示意图，提出本发明空间布局相似性检测方法第一实施例。

在本实施例中，所述空间布局相似性检测方法包括以下步骤：

步骤S10：获取缩编前地类图斑以及缩编后地类图斑。

需说明的是，本实施例的执行主体可以是具有空间布局相似性检测功能的设备，所述设备如：车载电脑、计算机、笔记本、电脑以及平板等，还可为其它可实现相同或相似功能的空间布局相似性检测设备，所述设备可以是应用于国土调查多尺度数据综合中空间布局相似性检测的设备，本实施例对此不做限制。此处将以上述计算机为例对本实施例和下述各实施例进行说明。

应理解的是，本技术方案是针对现有的国土调查多尺度数据综合中空间布局相似性检查效率低、检查结果不精准等问题，提出了将缩编前后地类图斑数据进行空间叠加分析，分别提取缩编前后土地利用类型未发生变化和发生变化部分。通过研究不同尺度下国土调查空间数据的图形和属性、图形和图形、属性和属性的逻辑关系和规律，设计模型算法，进行自动化统计分析，实现空间布局相似性的快速自动化检查。同时通过正、负缓冲区分析，剔除不规则图形，实现检查结果精准报错。

可理解的是，缩编前地类图斑可以是被行政区、城镇村庄等调查界线或土地权属界线分割的单一地类地块在缩编前的图像。所述图像可以是通过遥感影像设备采集的图像，所述图形对应的参数信息中包含经纬度、平面直角坐标值以及图斑对应的唯一图斑标识，缩编后地类图斑可以是将单一地类地块进行合并后的地类地块图像，其中，缩编可以是一种制图综合的过程中，需要对制图对象进行选取和概括，选择对制图目的有用的信息保留在地图中，因此在对缩编质量进行检测时，需要结合缩编前的地类图斑与缩编后的地类图斑进行空间相似性检测，从而能够根据检测结果确定缩编质量是否达标。

具体实现中，从预设大数据平台中可以获取缩编前地类图斑以及缩编后地类图斑。

步骤S20：通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层。

需说明的是，预设融合模型可以是预先设置的用于对地类图斑进行融合处理的模型，所述融合模型可以是基于Pansharp(超分辨率贝叶斯)算法和 HPF算法构建的模型，其中所述Pansharp算法是基于最小二乘法原理计算多光谱影像和全色影像之间的灰度值，并利用最小方差技术对融合波段的灰度值进行最佳匹配，并调整单个波段的灰度分布以减少融合影像的颜色偏差，相较于其他算法，Pansharp算法对细节特征能够精准获取，从而保证影像融合的准确性，所述HPF算法可以是利用高通滤波器对高分图像的细节信息叠加低空间分辨率的多光谱图像，以实现全色与多光谱的融合，综上上述两种算法构建的模型可以实现多个场景下的缩编前的地类图斑的图像融合。目标融合图层可以是将缩编前的地类图斑输入至上述算法构建的融合模型中，输出的新构建的面图层。

具体实现中，从大数据平台中获取大量的遥感卫星影像图像或其他资源图像，将上述图像输入至通过Pansharp(超分辨率贝叶斯)算法和HPF算法构建的初始模型进行训练，将训练好的模型作为预设融合模型，并通过预设融合模型对缩编前地类图斑进行融合处理，获得目标融合图层。

进一步地，所述步骤S20，还包括：按照预设边界接触条件遍历缩编前地类图斑，通过预设融合模型从所述缩编前地类图斑提取第一相邻数据，并将所述第一相邻数据按照预设优先级顺序进行排序，生成目标要素数据集合；将所述目标要素数据集合按照相同地类编码且空间邻接的条件进行划分，获得目标数据集合；通过所述预设融合模型对目标数据集合进行融合处理，获得目标融合图层。

需说明的是，预设边界接触条件可以是预先设置的用于判断满足缩编前地类图斑属于同级别同种类型边界的条件，所述边界可以是地类界，地类界是两种地类的分界线，如旱地和果园的分界线；边界也可以是行政界，行政界是两个不同行政区域的分界线，如：张三镇和李四乡的分界线。地类界图可以表示土地利用现状的类型及自然地理、地貌空间分布的条件，所述级别可以是将土地利用类型分为一级和二级类。

应理解的是，通过预设边界接触条件遍历缩编前地类图斑，通过预设融合模型从所述缩编前地类图斑提取位置坐标接近的地类图斑对应的第一相邻数据，并根据遍历结果中包含的地类等级以及地类界信息对第一相邻数据按照预设优先级顺序进行排序，生成目标要素数据集合；所述预设优先级顺序可以是根据地类级别以及地类种类预先设置的优先级顺序。其中，目标要素可以是根据地类编码生成的集合，所述地类编码可以是针对各类型地类对应的唯一标识编码。针对大量的地类图斑数据通过预设融合模型中的聚类分析模型进行归类以及分析，根据相邻类型对地类图斑数据进行归类，所述相邻类型包括仅边缘相邻、相邻边角两种类型，其中在对图斑数据进行划分时，先按照预设边界接触条件遍历缩编前地类图斑，并通过预设融合模型中聚类分析模型从缩编前地类图斑提取位置坐标接近的地类图斑对应的第一相邻数据，其中所述第一相邻数据可以按照相邻类型进行划分，得到初始要素数据集合，并对初始要素数据集合按照预设优先级顺序进行排序，生成目标要素数据集合。

具体实现中，对缩编前地类图斑进行融合处理，通过合并具有相同地类编码且空间相接的要素创建新的面图层，形成一个融合结果图层。

步骤S30：通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层。

需说明的是，预设叠加分析模型可以是预先设置的用于对上述融合图层进行空间相交关系确定的模型，所述模型通过对缩编前地类图斑融合结果图层和缩编后地类图斑进行叠加分析，确定上述两个图层之间的相交关系，从而生成相交结果图层。

具体实现中，通过预设叠加分析模型中相交算法确定缩编前地类图斑融合结果图层和缩编后地类图斑之间的相交关系生成相交结果图层。

步骤S40：根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

需说明的是，预设模型算法是预先设置的用于各类型空间布局进行相似性检测的算法，所述算法可以是基于行政辖区以及地类图斑等图层数据训练得到的模型算法，所述预设模型算法可以基于行政辖区检测单元以及地类图斑检测单元对空间布局进行相似性检测。

应理解的是，通过行政辖区检测单元以及地类图斑检测单元确定缩编前地类图斑与缩编后的地类图斑的空间相似性，从而确定缩编后的地类图斑是否符合缩编标准，从而实现了自动化检查的同时提升了检查效率及检测结果的精准性。

具体实现中，根据相交结果图层和预设模型算法中的行政辖区检测单元以及地类图斑检测单元对空间布局进行相似性检测。

本实施例通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。由于本实施例通过预设融合处理模型和叠加分析模型确定相交结果图层，从而根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本实施例实现了自动化检查的同时提升了检查效率及检测结果的精准性。

参照图3，图3为本发明空间布局相似性检测方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明空间布局相似性检测方法的第二实施例。

在本实施例中，所述步骤S30，包括：

步骤S301：通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

可理解的是，交集计算模型可以是预先设置的用于确定目标融合图层以及缩编后地类图斑两个图层中空间关系为相交部分的交点信息的模型，所述模型可以是基于交点运算算法构建的模型。交集运算可以是由两个或者多个实体或面域的公共部分创建实体或面域，并删除公共部分之外的实体，从而获得新的实体。其中，所述交集运算可以是基于IOU算法框定预设区域进行交集运算。

具体实现中，通过预设叠加分析模型中的交集计算模型对目标融合图层以及缩编后地类图斑进行叠加分析，获得目标融合图层以及缩编后地类图斑中空间关系为相交部分的交点信息。

进一步地，所述步骤S301还包括：通过预设叠加分析模型中的交集计算模型确定所述目标融合图层以及缩编后地类图斑的交点信息；根据所述交点信息和预设交点数量对所述目标融合图层上的交点进行排序，并通过遍历排序后的交点确定交点类型；根据所述交点类型变换跟踪所述目标融合图层以及缩编后地类图斑对应的边界，根据跟踪结果确定所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

需说明的是，交点信息可以是相交区域的交点坐标信息，所述交点坐标信息分为目标融合图层对应的坐标信息以及缩编后地类图斑对应的坐标信息。

应理解的是，预设交点数量可以是预先设置的用于确定多边形的边界上的交点排序优先级的数量，所述交点类型包括入点和出点，通过交点进出方向确定交点类型，例如：设有两多边形P＝{p₀,p₁,…,p_m-1}，Q＝{q₀,q₁,…,q_n-1}，顶点按逆时针有序，m和n分别表示多边形的边数.用p_e表示P多边形的一条边，q_e表示Q多边形的一条边。若以P为主，从P多边形的边进入Q多边形内部形成的交点称为入点；反之，从Q多边形内部出来与Q的边相交形成的交点称为出点.某交点是入点还是出点可以通过向量的叉乘结果判定.假定有2 个二维向量A和B，A表示P的边，B表示Q的边，A和B的起点是两条边的交点，A×B＝A₀×B₁-A₁×B₀，若小于0，交点是入点，反之是出点。

可理解的是，通过交点类型确定交点对应的进出方向确定跟踪方向，其中，通过交点类型变换跟踪所述目标融合图层以及缩编后地类图斑对应的边界，并根据跟踪结果确定所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

步骤S302：根据所述空间相交关系构建相交结果图层的顶点序列。

需说明的是，通过空间相交关系构建结果多边形，并从目标融合图层对应的多边形起点开始遍历找到第一个交点，将其输入至结果多边形对应的顶点序列中。

步骤S303：根据所述顶点序列生成相交结果图层。

需说明的是，通过空间叠加分析模型对缩编前地类图斑融合结果图层和缩编后地类图斑图层进行叠加分析，将两个图层中空间关系能够相交的部分提取出来，单独生成一个相交结果图层，该图层同时拥有两个图层的属性信息。相交结果图层需要保留缩编前地类编码、缩编后地类编码属性信息。

具体实现中，设有两多边形P＝{p₀,p₁,…,p_m-1}，Q＝{q₀,q₁,…,q_n-1}，顶点按逆时针有序，m和n分别表示多边形的边数.用p_e表示P多边形的一条边， q_e表示Q多边形的一条边。

步骤1：求2个多边形的交点；

(1)建立P和Q多边形的节点，并创建各自的顶点循环链表，依次求出两多边形的x_min，x_max，y_min，y_max值，记录到P和Q节点中；

(2)检查P和Q是否完全分离，方法是求出P和Q的矩形包围盒(即第(1)步所求的最大和最小值)，若2个矩形没有交点，则说明是完全分离的，求交算法结束。

(3)遍历P多边形的每条边，求该边与Q多边形中每条边的交点，将求出的交点分别插入到P和Q多边形的顶点链表中，同时在交点之间建立双向指针。

步骤2：整理位于P多边形中每条边上的交点顺序；

经过求交点运算之后，插入到P多边形中任一条边上的多个交点之间是无序的，为了给后面的遍历算法做准备，需要对P多边形中的交点数大于等于2的边上的交点进行排序，排序前计算交点到起始顶点之间的距离，填入到点的结构中作为排序依据。

步骤3：从P多边形开始遍历得到P与Q的交集；

(1)P和Q相交形成的交点可以分为2类：入点和出点，它们成对交替出现。若以P为主，从P多边形的边进入Q多边形内部形成的交点称为入点；反之，从Q多边形内部出来与Q的边相交形成的交点称为出点.某交点是入点还是出点可以通过向量的叉乘结果判定.假定有2个二维向量A和B，A表示 P的边，B表示Q的边，A和B的起点是两条边的交点，A×B＝A₀×B₁-A₁×B₀，若小于0，交点是入点，反之是出点。

步骤4：执行以下步骤完成多边形的求交；

(1)新建1个多边形PR作为求交的结果多边形；

(2)从P多边形的起点开始遍历找到第1个交点，将其输出到PR的顶点序列中；

(3)若该交点为入点，则跟踪P多边形的边界；若为出点，跟踪Q多边形的边界；

(4)跟踪多边形的边界，遇到多边形的顶点，继续跟踪，遇到交点，则根据交点处的双向指针变换跟踪(P→Q或Q→P)，无论是顶点还是交点都需要将其输出到PR的顶点序列中.交点被遍历之后需要更改交点结构的标志位，标志交点已被跟踪过；

(5)如果跟踪过程中遇到的是1个已经被跟踪过的交点，说明已经遍历得到1个完整的多边形；

(6)继续跟踪P多边形，若遇到未被跟踪的交点，则需要再建立1个结果多边形，链接到结果多边形序列中，然后重复第(3)～(6)步，若遇到P 多边形的起点，算法结束。

进一步地，所述预设模型算法为行政辖区检测算法，所述步骤S40包括：

步骤S401：通过预设打散模型对所述相交结果图层进行打散处理，获得目标要素对应的要素结果图层。

需说明的是，由于国土调查数据土地类型多样，同时其数据结构复杂、体量大、精度高且空间特征强，是一种全覆盖、无重叠的空间数据。当数据由大比例尺综合至小比例尺时，需经过图斑合并、聚合、融解、化简等各种综合操作，并且我国地形地貌、土地利用特征的复杂性、多样性，在综合的过程中，容易产生空间分布规律失衡等各种问题。缩编前后土地利用类型空间布局的相似性是缩编数据成果质量核心控制指标，反映的是缩编过程中，缩编前后各个地类在空间布局上的相似程度，其直接影响缩编数据产品的质量。因此需要对空间布局相似性进行确定，从而能够根据空间布局相似性判断缩编后的地类图斑是否符合缩编要求。

可理解的是，预设打散模型可以是预先设置的用于打散相交结果图层的模型，其中，可以通过所述模型将相交结果图层按照预设直径范围将相交结果图层进行打散，打散后多部分要素的各部分将变为独立的要素，获得目标要素对应的要素结果图层。

步骤S402：将所述要素结果图层分割成多个三角形，并根据预设几何算法计算要素结果图层对应的要素图像面积。

需说明的是，根据预设几何图形算法将要素结果图层对应的任意多边形分割成多个三角形，并计算要素结果图层对应的要素图像面积。

具体实现中，任意的多边形可以分割成多个三角形，根据三角形面积公式就可以求出任意多边形的面积。任意多边形其顶点坐标依次可以标注为 (x0，y0)，(x1，y1)，(x2，y2)，...，(xn，yn)(其中n＝2，3，4，…)，则其面积S_x可表示为：

步骤S403：根据所述要素图像面积、所述行政辖区检测算法以及缩编前地类总面积确定整体空间布局相似度。

具体实现中，行政辖区检测算法可以以行政辖区为检查单元对空间布局进行相似性检测的算法，从整体上对缩编后与缩编前的空间布局相似性进行检查。参考图4所示的整体空间布局相似性检测流程示意图，在获取到目标要素对应的要素结果图层后重新计算要素结果图层中各要素图形面积，并以行政辖区为例对缩编前后整体空间布局相似度进行检查，具体步骤如下：

步骤(1)：以相交结果图层为数据基础，根据缩编前地类编码(DLBM_B)、缩编后地类编码(DLBM_A)字段，分别按照一级地类，统计缩编后地类未发生变化的面积占缩编前该地类总面积的百分比SL_i；SL_i大于等于设定的阈值V，则表示该地类缩编后与缩编前的空间布局相似。SL_i小于设定的阈值V，则表示该一级地类缩编后流出过多，空间布局未保持。

空间布局未变化面积百分比计算：SL_i＝Area(A∩B)_i/Area(B)_i。

其中，SL_i为该行政辖区第i种一级地类缩编后与缩编前空间布局未发生变化的比例；Area(A∩B)_i为该行政辖区第i种一级地类缩编后与缩编前一级地类没有发生变化的图斑面积之和；Area(B)_i为该行政辖区第i种一级地类缩编前图斑面积之和。

步骤(2)：以相交结果图层为数据基础，根据缩编前地类编码(DLBM_B)、缩编后地类编码(DLBM_A)字段，分别按照一级地类，统计缩编后流入地类的面积占缩编前该地类总面积的百分比IL_i；IL_i小于设定的阈值U，则表示该地类缩编后与缩编前的空间布局相似。IL_i大于等于设定的阈值U，则表示该地类缩编后流入过多，空间布局未保持。

流入地类面积占缩编前面积百分比计算：IL_i＝Area(B→A)_i/Area(B)_i。

SL_i为该行政辖区第i种一级地类缩编后与缩编前空间布局未发生变化的比例；Area(B→A)_i为该行政辖区缩编后第i种一级地类流入面积之和；Area(B)_i为该行政辖区第i种一级地类缩编前图斑面积之和。

说明：步骤(1)与步骤(2)有任意一项的百分比未满足阈值要求，则表明不同尺度数据综合中整体空间布局不相似。

本实施例通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系；根据所述空间相交关系构建相交结果图层的顶点序列；根据所述顶点序列生成相交结果图层；通过预设打散模型对所述相交结果图层进行打散处理，获得目标要素对应的要素结果图层；将所述要素结果图层分割成多个三角形，并根据预设几何算法计算要素结果图层对应的要素图像面积；根据所述要素图像面积、所述行政辖区检测单元以及缩编前地类总面积确定整体空间布局相似度。由于本实施例通过预设融合处理模型和叠加分析模型确定相交结果图层，从而根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本实施例实现了自动化检查的同时提升了检查效率及检测结果的精准性。

基于上述图3所示的第二实施例，提出本发明空间布局相似性检测方法的第三实施例。

在本实施例中，所述预设模型算法为地类图斑检测算法，所述步骤S40 还包括：按照地类图斑检测算法从所述相交结果图层中筛选前后地类编码不一致且图形面积不小于最小上图面积的要素，生成筛选结果图层；从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积；若各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。

需说明的是，地类图斑检测算法可以是以地类图斑为检查单元对空间布局进行相似性检测的算法，从局部对缩编后与缩编前的空间布局相似性进行检查，从相交结果图层中按照属性筛选缩编前与缩编后地类编码不一致且图形面积S_i大于等于该地类的最小上图面积Area_min的要素形成筛选结果图层。其中，所述属性筛选条件为：DLBM_1<>DLBM_2ANDS_i≥Area_min。

应理解的是，根据检测算法中包含的预设几何图形算法从筛选结果图层中剔除不规则图形(如：狭长、哑铃状)，并计算剔除后的各要素图形面积。根据剔除后的各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。

进一步地，所述从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积的步骤，包括：对所述筛选结果图层做负缓冲处理，根据负缓冲结果剔除不规则图形；对剔除后的图层进行打散处理，并对打散后的各要素图层进行正缓冲处理，获得目标要素图层；根据预设几何算法计算目标要素图层对应的各要素图形面积。

具体实现中，为进一步说明可以参考图5所示的局部空间布局相似性检测流程示意图，在获取到目标要素对应的要素结果图层后重新计算要素结果图层中各要素图形面积，并以地类图斑为例对缩编前后局部空间布局相似度进行检查，在针对预设模型算法为地类图斑检测算法时，通过地类图斑检测单元进行相似性检测时，具体步骤如下所示：

(1)从相交结果图层，按照属性筛选条件筛选缩编前与缩编后地类编码不一致且图形面积S_i大于等于该地类的最小上图面积Area_min的要素，形成筛选结果图层。

步骤(2)剔除狭长、哑铃状等不规则图形。

其中步骤(2)还包括步骤2.1：对筛选结果图层(DLTB_Select)做负缓冲，缓冲值：-W_min/2，即图斑最小上图宽度值的一半。使用负缓冲将会使面边界向内缩减指定的距离W_min/2，如果负缓冲距离W_min/2大于图斑宽度值的一半，使得面缩减至不存在，则将生成空几何。即负缓冲后图形消失的部分，则表明该消失部分为狭长或哑铃状图形。

步骤2.2对步骤2.1的结果图层做正缓冲，缓冲值：+W_min/2，即图斑最小上图宽度值的一半，形成缓冲结果图层(DLTB_Buffer)。该操作主要是将步骤2.1负缓冲结果图层中狭长、哑铃状等不规则图形之外的相对规则图形恢复至与原来图形相似。

步骤(3)：利用地类图斑检测单元中预设几何图形算法重新计算缓冲结果图层(DLTB_Buffer)各要素图形面积S_i。

步骤(4)：若缓冲结果图层(DLTB_Buffer)要素的图形面积S_i≥Area_min，则表明缩编前该图斑满足最小上图面积要求且图形非狭长状、哑铃状等不规则图形，在缩编过程中被合并入其他地类图斑，即该区域的空间布局未保持。

本实施例通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系；根据所述空间相交关系构建相交结果图层的顶点序列；根据所述顶点序列生成相交结果图层；按照地类图斑检测单元从所述相交结果图层中筛选前后地类编码不一致且图形面积不小于最小上图面积的要素，生成筛选结果图层；从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积；若各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。由于本实施例通过预设融合处理模型和叠加分析模型确定相交结果图层，从而根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本实施例实现了自动化检查的同时提升了检查效率及检测结果的精准性。

此外，为实现上述目的，本发明还提出一种空间布局相似性检测设备，所述空间布局相似性检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空间布局相似性检测程序，所述空间布局相似性检测程序配置为实现如上文所述的空间布局相似性检测的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有空间布局相似性检测程序，所述空间布局相似性检测程序被处理器执行时实现如上文所述的空间布局相似性检测方法的步骤。

参照图6，图5为本发明空间布局相似性检测装置第一实施例的结构框图。

如图6所示，本发明实施例提出的空间布局相似性检测装置包括：

数据获取模块10，用于获取缩编前地类图斑以及缩编后地类图斑；

融合处理模块20，用于通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；

叠加分析模块30，用于通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；

相似性检测模块40，用于根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

本实施例通过获取缩编前地类图斑以及缩编后地类图斑；通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。由于本实施例通过预设融合处理模型和叠加分析模型确定相交结果图层，从而根据相交结果图层对空间进行相似性检测，相较于现有技术中无法自动化比较同一地区不同尺度下的土地利用数据空间布局的相似性，通过人工检测效率低且准确性较低，本实施例实现了自动化检查的同时提升了检查效率及检测结果的精准性。

进一步地，所述融合处理模块20，还用于按照预设边界接触条件遍历缩编前地类图斑，通过预设融合模型从所述缩编前地类图斑提取第一相邻数据，并将所述第一相邻数据按照预设优先级顺序进行排序，生成目标要素数据集合；将所述目标要素数据集合按照相同地类编码且空间邻接的条件进行划分，获得目标数据集合；通过所述预设融合模型对目标数据集合进行融合处理，获得目标融合图层。

进一步地，所述叠加分析模块30，还用于通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系；根据所述空间相交关系构建相交结果图层的顶点序列；根据所述顶点序列生成相交结果图层。

进一步地，所述叠加分析模块30，还用于通过预设叠加分析模型中的交集计算模型确定所述目标融合图层以及缩编后地类图斑的交点信息；根据所述交点信息和预设交点数量对所述目标融合图层上的交点进行排序，并通过遍历排序后的交点确定交点类型；根据所述交点类型变换跟踪所述目标融合图层以及缩编后地类图斑对应的边界，根据跟踪结果确定所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

进一步地，所述相似性检测模块40，还用于通过预设打散模型对所述相交结果图层进行打散处理，获得目标要素对应的要素结果图层；将所述要素结果图层分割成多个三角形，并根据预设几何算法计算要素结果图层对应的要素图像面积；根据所述要素图像面积、所述行政辖区检测算法以及缩编前地类总面积确定整体空间布局相似度。

进一步地，所述相似性检测模块40，还用于按照地类图斑检测算法从所述相交结果图层中筛选前后地类编码不一致且图形面积不小于最小上图面积的要素，生成筛选结果图层；从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积；若各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。

进一步地，所述相似性检测模块40，还用于对所述筛选结果图层做负缓冲处理，根据负缓冲结果剔除不规则图形；对剔除后的图层进行打散处理，并对打散后的各要素图层进行正缓冲处理，获得目标要素图层；根据预设几何算法计算目标要素图层对应的各要素图形面积。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的空间布局相似性检测方法，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种空间布局相似性检测方法，其特征在于，所述空间布局相似性检测方法包括以下步骤：

获取缩编前地类图斑以及缩编后地类图斑；

通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；

通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；

根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

2.如权利要求1所述的空间布局相似性检测方法，其特征在于，所述通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层的步骤，包括：

按照预设边界接触条件遍历缩编前地类图斑，通过预设融合模型从所述缩编前地类图斑提取第一相邻数据，并将所述第一相邻数据按照预设优先级顺序进行排序，生成目标要素数据集合；

将所述目标要素数据集合按照相同地类编码且空间邻接的条件进行划分，获得目标数据集合；

通过所述预设融合模型对目标数据集合进行融合处理，获得目标融合图层。

3.如权利要求1所述的空间布局相似性检测方法，其特征在于，所述通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层的步骤，包括：

通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系；

根据所述空间相交关系构建相交结果图层的顶点序列；

根据所述顶点序列生成相交结果图层。

4.如权利要求3所述的空间布局相似性检测方法，其特征在于，所述通过预设叠加分析模型中的交集计算模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，获得所述目标融合图层以及缩编后地类图斑之间的空间相交关系的步骤，包括：

通过预设叠加分析模型中的交集计算模型确定所述目标融合图层以及缩编后地类图斑的交点信息；

根据所述交点信息和预设交点数量对所述目标融合图层上的交点进行排序，并通过遍历排序后的交点确定交点类型；

根据所述交点类型变换跟踪所述目标融合图层以及缩编后地类图斑对应的边界，根据跟踪结果确定所述目标融合图层以及缩编后地类图斑之间的空间相交关系。

5.如权利要求1所述的空间布局相似性检测方法，其特征在于，所述预设模型算法包括行政辖区检测算法，所述根据所述相交结果图层和预设模型算法对空间布局进行相似性检测的步骤，包括：

通过预设打散模型对所述相交结果图层进行打散处理，获得目标要素对应的要素结果图层；

将所述要素结果图层分割成多个三角形，并根据预设几何算法计算要素结果图层对应的要素图像面积；

根据所述要素图像面积、所述行政辖区检测算法以及缩编前地类总面积确定整体空间布局相似度。

6.如权利要求1所述的空间布局相似性检测方法，其特征在于，所述预设模型算法为地类图斑检测算法，所述根据所述相交结果图层和预设模型算法对空间布局进行相似性检测的步骤，包括：

按照地类图斑检测算法从所述相交结果图层中筛选前后地类编码不一致且图形面积不小于最小上图面积的要素，生成筛选结果图层；

从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积；

若各要素图形面积不小于最小上图面积，则判定当前区域空间布局未保持相似。

7.如权利要求1所述的空间布局相似性检测方法，其特征在于，所述从所述筛选结果图层中剔除不规则图形，并计算剔除后的各要素图形面积的步骤，包括：

对所述筛选结果图层做负缓冲处理，根据负缓冲结果剔除不规则图形；

对剔除后的图层进行打散处理，并对打散后的各要素图层进行正缓冲处理，获得目标要素图层；

根据预设几何算法计算目标要素图层对应的各要素图形面积。

8.一种空间布局相似性检测设备，其特征在于，所述空间布局相似性检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空间布局相似性检测程序，所述空间布局相似性检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的空间布局相似性检测方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有空间布局相似性检测程序，所述空间布局相似性检测程序被处理器执行时实现如权利要求1至7中任一项所述的空间布局相似性检测方法的步骤。

10.一种空间布局相似性检测装置，其特征在于，所述空间布局相似性检测装置包括：

数据获取模块，用于获取缩编前地类图斑以及缩编后地类图斑；

融合处理模块，用于通过预设融合模型对所述缩编前地类图斑进行融合处理，获得目标融合图层；

叠加分析模块，用于通过预设叠加分析模型对所述目标融合图层以及缩编后地类图斑进行叠加分析，生成相交结果图层；

相似性检测模块，用于根据所述相交结果图层和预设模型算法对空间布局进行相似性检测。

Images