下载掌阅APP，畅读海量书库
立即打开
空间相似关系是空间关系的一种，而空间关系是空间物体之间由空间物体的几何特性（位置、形状）所决定的关系，研究空间关系必须对多个空间目标及空间群组目标进行研究。基于此，提出本书的研究目标和主要内容有以下几点：
其一，给出空间相似关系的严密数学定义，研究空间相似关系的特点和性质。
其二，研究空间点群目标相似关系的有关理论，并给出相似度计算模型。
其三，研究空间线群目标相似关系的有关理论，并给出相似度计算模型。
其四，研究空间面群目标相似关系的有关理论，并给出相似度计算模型。
其五，空间相似关系属于认知科学的一种，需要人们的直观认知来进行判断并给出评价结论。基于此，设计相关实验验证本书提出的相似度计算模型的正确性。
1) 数理统计方法
统计学特别是数理统计学，是应用数学的一个分支，它主要以数据为研究对象，通过利用概率论进行数学建模，收集并整理所观察对象或系统的数据（包括收集数据的方法），进行量化的分析、总结，进而进行推断和预测，为相关决策提供依据和参考。数理统计学广泛应用于各门学科中，从理学到工程学，从经济学到社会科学，从心理学到人文科学，甚至用于工、商、农、林和政府的决策报告上（Ronald E. Walpole et al.，2010）。
地理空间实体是用数据进行描述和表达的。空间目标数据可以看做一种特殊的数据。对数据特别是大量数据（群组目标）而言，一个重要的分析方法和实际应用就是统计分析方法。统计分析非常适合于处理数值型数据。统计分析方法多年来积累了大量的算法，可以用于对空间现象建模和分析。如果两组数据的统计分析结果比较一致，则有理由相信这两组数据的相似程度较高，从而这两组数据所表达的地理实体之间的相似度也较高。基于这个思路，在研究中引入空间统计分析的有关概念，对空间数据进行统计分析，以期找出描述空间群组目标的数据之间的相似程度，用以描述空间群组目标之间的相似程度。
2) 图像处理方法
图像处理方法又称为计算机图像处理，是指将图像信号转换为数字信号并利用计算机进行处理。图像处理的主要内容之一——图像分割技术，是指将图像中有意义的特征部分提取出来，进而进行图像识别、分析和理解。在计算机视觉领域，图像分割是指将数字图像细分为多个图像子区域的过程，通常用于定位图像中的物体、边界等。图像处理特别是图像分割中有许多关于图像相似度的研究成果。
地理空间信息数据一般可分为矢量数据和栅格数据，矢栅转换方法及矢栅一体化表达方法在地理空间信息领域研究得比较多。目前，在针对栅格图像领域的图像相似度的理论和成果（如图像检索、模式识别等领域）相对较多，本文针对矢量数据，通过对栅格图像的相似关系进行研究，既可以将这些处理方法经过适当的变换并移植到对矢量数据的相似关系表达和计算中，又可以针对不同类型的矢量空间目标，采用适当的处理方法，将矢量数据或矢量数据的有关特征数据转换为图像数据，并利用图像处理的相关方法计算其相似度。
3) 计算几何
作为一门研究几何模型和数据处理，探讨几何形体的计算机表达的学科，在计算几何研究领域，针对单个几何目标（线、面）的研究和表达众多，而空间群组目标是由单独个体目标组成的，单独个体目标又是用单个或多个几何目标组合而成，对计算几何中的单独几何目标相似关系进行研究，是对群组目标相似关系进行研究的基础。
按照从理论到应用、从一般到具体的层次结构，步步推进，环环紧扣，研究的技术路线方案如图1.2所示。
图1.2 研究的技术路线
针对该技术路线，可描述如下：
(1) 空间相似关系的理论基础，其定义、性质和分类等基本理论问题是研究空间相似关系的基础。本书对空间相似关系的理论基础，如空间认知理论和格式塔视觉心理学理论进行了简单的介绍，同时总结出空间相似关系的各种性质，基于数学中的集合论，结合地图学和地理学的基本原理，采用严密的数学描述进行“定量”的定义。基于分类学，从空间目标的各个侧面（如数据结构、几何特征、尺度特征等）进行不同的分类，以尽量全面描述空间相似关系。
(2) 影响空间相似关系的特征因子的“一般集合”。综合借鉴地理学、地图学、计算机图形学、语义学等领域中的相关研究成果，提炼出特征因子涵盖比较全面的“一般集合”。
(3) 在对空间群组目标进行细分研究和描述的基础上，针对不同的空间群组目标，对上述“一般集合”进行“具体化”，分别建立空间点群、线群、面群和空间场景的相似关系特征因子集合。
(4) 针对空间点群、线群、面群和空间场景目标，分别建立其相似度计算模型。
(5) 实验验证环节，分别设计不同尺度下的点群目标、不同空间邻近度下的线群目标和不同时间邻近度环境下的面群目标的相似度，并进行计算分析，验证本书所提算法的正确性。同时，探讨相似度计算模型的初步应用。
本书分7章进行组织撰写，按照概念描述、模型研究和实验验证的思路，安排结构如下：
第1章为绪论，介绍了本书研究的背景，指出了对空间相似关系研究的重要意义，介绍了包括空间相似关系在内的空间关系的国内外研究现状。
第2章为空间相似关系基本理论，对空间相似关系的理论基础——空间认知理论和视觉认知的格式塔规则进行了简单阐述；同时，针对地理信息科学领域的空间相似关系，借鉴前人研究成果，给出空间相似关系的定义和分类，并对空间相似关系的有关性质进行了概括。
第3章为空间点群目标相似关系研究，研究了影响点群目标空间相似关系的具体特征因子集合，建立空间点群目标之间的相似度计算模型。依据地理学第一定律，进行了多尺度下的点群目标相似度计算实验。
第4章为空间线群目标相似关系研究，以空间线群目标的空间统计特征为基础，对线群目标的空间关系和几何特征进行了描述，并建立了空间线群目标之间的相似度计算模型。依据地理学第一定律，进行了基于空间邻近度的线群目标相似度计算实验。同时考虑到线群方向关系研究的广泛性，专门针对线群目标的方向相似度计算模型进行了研究。
第5章为空间面群目标相似关系研究，综合考虑面状目标的空间关系和几何特征，建立了空间面群目标的相似度计算模型，以对空间面群目标相似度进行整体度量。依据地理学第一定律，进行了基于时间邻近度的面群目标相似度计算实验。
第6章为空间场景相似关系研究，H. T. Bruns和M. Egehnoefr（1997）定义的空间场景为：一系列空间几何对象及其空间关系的集合即为空间场景。可以说，空间场景就是不同类型的空间群组目标混合体，包括点、线及面目标。主要借鉴了Bruns-Egehnoefr的对空间场景相似度计算的方法和Li-Fonseca提出的TDD模型，并做了一些改进以对空间场景之间的相似度进行整体度量。
第7章为总结和展望，对本书的总体内容进行了总结，并指出本书存在的不足和进一步研究的方向。
第一，本书研究仅局限于二维空间中的矢量数据格式；
第二，空间目标之间的语义相似关系在本书中暂不考虑。