مقايسه روش هاي تناظر يابي عوارض چند ضلعي در داده هاي برداري چندنمايشي

Comparison of Polygon Matching Methods in Multi-represented Vector Datasets

با افزايش كاربرد داده‌هاي مكاني در زندگي روزمره، توليد اين داده‌ها از منابع اطلاعاتي مختلف با دقت و مقيا‌س‌هاي متفاوت رشد وسيعي داشته است. در اين مجموعه داده‌هاي متنوع در برخي از كاربردها، نياز به شناسايي عوارض يكسان تحت عنوان مسائل تناظر‌يابي مي‌باشد. به عبارتي ديگر در مسائل تناظر‌يابي، هدف شناسايي عوارض مشابه و يكسان در دنياي واقعي است كه در مجموعه داده‌هاي‌ متفاوت ممكن است با مقياس، دقت، هندسه و رابطه مكاني متفاوتي نمايش داده شده‌ باشند. كاربرد‌ مسائل تناظر‌يابي در حوزه‌هاي مختلف مانند ادغام داده‌ها و يا غني‌سازي داده‌هاي معتبر، نشان‌دهنده اهميت بالاي اين مسائل در زمينه‌هاي مختلف علوم مكاني مي‌باشد. مسائل تناظر‌يابي در مجموعه داده‌هاي برداري از منظر نوع عارضه تناظر‌يابي شده به سه دسته نقطه‌اي، خطي و چند‌ضلعي تقسيم‌بندي مي‌شوند كه اكثر مطالعات انجام شده در گذشته بر روي بررسي عوارض خطي مي‌باشد. از اين رو در اين تحقيق مطالعات بر روي عوارض چند‌ضلعي بررسي شده است كه داراي پيچيدگي‌هاي به مراتب بيشتري نسبت به عوارض خطي هستند و بيشتر مطالعات در سال‌هاي اخير به اين دسته معطوف شده است. در اين مقاله سعي شده است با بررسي دقيق و جامع مطالعات پيشين، مسائل تناظر‌يابي عوارض چند‌ضلعي از سه منظر معيار‌هاي اندازه‌گيري شباهت، الگوريتم‌هاي تناظر‌يابي و روابط متناظر بين عوارض بررسي شوند. همچنين دسته‌بندي‌ها در هر ديدگاه و مزايا و معايب روش‌هاي مختلف ارائه شده است.

The Geospatial data production from different sources with varied precision and scales has experienced an extensive growth by increase of geospatial data usage in daily life. Through these diverse datasets in some of the applications, there is a need to identify corresponding features by geospatial data matching problems. In other words, the goal of geospatial data matching is to identify corresponding features which are the identical entities in real world, but they may be represented by different geometries, scales, precisions, and spatial relations in different datasets. The use of geospatial data matching problems in different studies like data conflation or authoritative data enrichment demonstrates the significant importance of such these problems in different fields of geospatial science. In general, feature matching problems can be classified into point matching, linear matching, and polygon matching based on the type of spatial feature applied in the matching process. Most of the previous studies have focused on linear matching. Therefore, this study is based on the polygon features which are more complex in comparison with the linear features, and most of recent studies have focused on this class. In this paper, the polygon matching problems have been investigated in three aspects of similarity measures, matching algorithms, and corresponding relations by comprehensive and precise study of previous work. Furthermore, the classifications in each aspect and the advantages and disadvantages of different methods have been presented.