摘要

针对现有矢量线要素化简算法智能化程度不高的问题,本文提出了一种基于区域候选网络的矢量线要素自动化简方法。首先利用深度可分离卷积神经网络实现矢量线要素栅格化后的卷积特征提取;然后结合线要素的坐标信息改进区域候选网络中候选框的生成方式,以实现候选框与可能的弯曲组合的对应;最后在统一线要素弯曲特征图大小的基础上,根据候选框对应的卷积特征进行二分类判断,完成弯曲单元的自动识别,并通过删除弯曲单元实现线化简。本文在海岸线数据集上进行了模型的训练和测试,并通过不同栅格化参数、不同骨干网络、跨尺度化简,以及不同类型线要素化简等对比试验验证了模型的有效性。试验结果表明,本文方法能够自动学习已有线化简案例中的化简知识,并充分利用线要素的矢量特征及栅格特征,自动完成线要素弯曲特征的准确定位,最终实现可端到端训练的矢量线要素自动化简。

全文