基于对象级联的多时相移动测量影像时空统一表达与组织

Sptio-temporal data model is an important fundamental issue of the research in geographic information science (GIS). As a new data type of GIS, street view or digital measurable image is accord with people’s cognitive habits. But, the research on spatio-temporal data model of street view is always a hot and hard research topic. Currently, for the multiple temporal street view, the independent data structure is design respectively; only simple hyperlink was used for retrieve image. As to the traditional method, it is lack of uniformity of spatial structure and data store model. The project intends to introduce computer vision and cascaded GIS data model which are unifying expression and store the multi-temporal street view. The two kernel problems include (1) inconsistent of multi-temporal street view; (2) unified descriptor for precision maintenance and data redundancy,which is the research motivation. A set of spatio-temporal alignment algorithms on street view is proposed based on advanced computer vision technique and prior information of geo-object. Then, the mapping between multi-temporal street view and vision salient objects is established. Based on spatial coherence of street view, the framework of cascaded expression model is proposed. Integrating mapping model and cascaded model, we study the unify descriptor for multi-temporal street view. As a result, unified data store model to compatible precision maintenance and data redundancy is designed. Finally, for the validation of algorithm, model and methods, a demo system for management of urban component POI in urban management business is designed and implemented.

时空表达是地理信息科学中一个重要的基础研究方向。目前移动测量影像时空表达与组织的缺乏导致其挖掘与知识发现的难度。针对多期移动测量影像往往需要构建相对独立的某一期影像与空间对象的关联关系描述算法，缺乏空间对象与移动测量影像时空表达的统一性。本项目拟基于时空数据模型理论、移动测量技术和计算机视觉技术，研究移动测量影像时空大数据组织与存储的理论和技术框架。项目利用移动测量和计算机视觉技术建立级联空间对象与影像的内在关联，提出时空对齐算法解决多时相移动测量影像的时空不一致性问题；通过空间对象与移动测量影像的映射转换，构建时空数据体描述子，实现统一描述；通过时空数据模型理论的引入，构建影像基态修正时空数据模型；设计并实现时空影像的统一化组织和存储策略，包括动态分段策略、双缓存机制、分布式存储；最后结合国内大城市的多时相移动测量影像更新管理为实例，对所提出模型、方法的可行性和有效性进行验证。

时空大数据组织与存储是移动测量影像管理与应用的主要科学研究问题之一。但多期移动测量影像数据融合在一起，存在严重的时空不一致问题、缺乏统一的时空描述、存储中的数据膨胀与量测精度截断的矛盾显著，制约了其时空描述与表达。现有研究主要采用纹理、分辨率等为对齐要素，一般应用在小尺度大范围的影像处理中，如航空影像、遥感影像等，并不适用于移动测量影像。本项目分析移动测量影像特点，构建级联空间对象、统一描述时空数据体的理论概念，着重从数据模型构建、组织与存储两个方向进行了细致研究。项目成果提出了“轨迹——邻域——对象约束”的分级时空对齐算法，充分利用了移动测量影像中对象级联特性，突破了传统时空对齐中“几何特征”、“纹理特征”等方法在高遮挡移动测量影像中应用的局限性，避开了影像本身的复杂性并以具有级联特性的空间对象实现影像的描述与时空数据存储模型，为实现移动测量影像的时空统一表达和组织提供了新的研究方法。具体研究成果：.① 理论上，研究并构建了街景多基态时空数据模型。.本项目借助移动测量影像采集的空间连续性、空间对象在影像上的级联特性等内在关系，研究以空间对象时空描述结合影像时态描述的方式建立多时相移动测量时空模型。.② 技术上，研发了“时空对齐算法”、“双缓存技术”、“路网-轨迹-影像”的多级混合模型等技术.设计了一种“轨迹对齐——邻域POI粗对齐——对象约束精对齐”的层次递进时空约束对齐算法，研究多期历史街景影像的时空对齐，奠定城市街景影像数据挖掘的基础。.③ 应用上，研制了街景影像存储和检索系统、街景影像的视觉定位系统、基于机器学习的城市街景影像行人与车辆检测系统。.将研究的理论成果、技术体系推广应用，研制了街景影像存储和检索系统、街景影像的视觉定位系统、基于机器学习的城市街景影像行人与车辆检测系统，积极探索在地理国情监测、精细化城市管理、基础测绘数据更新等方面的示范应用。