基于特征的空间数据相似性查询研究

基 于 特 征 的 空 间 数 据 相 似 性 查 询 的 关 键 技 术 ：（ １） 特 征 提
取： 选择有效的特征描述和特征提取算法是保证查询结果正确
性前提。在遥感影像相似性检索中， 可以提取纹理、形状等特征
作为检索依据； 在矢量相似性检索中， 可以提取空间关系等特
征作为相似性检索依据。（ ２） 高维索引： ＦＢＳＤＳＱ 中提取的特征 一般都要用高维特征向量来表达， 为有效地进行特征之间的相 似性匹配， 必须建立高效的高维索引结构。（ ３） 相关反馈： 由于 特征并不能完全表达空间数据库对象的语义信息， 与人对空间 数据库对象的理解存在差异， 因此， 通过人机交互方式的相关 反馈技术能够有效地解决该问题。
ＸＩＡ Ｙｕ， ＺＨＵ Ｘｉｎ － ｙａｎ， ＺＨＯＵ Ｃｈｕｎ － ｈｕｉ．Ｒｅｓｅａｒ ｃｈ ｏｎ ｆｅａｔｕｒ ｅ ｂａｓｅｄ ｓｐａｔｉａｌ ｄａｔａ ｓｉｍｉｌａｒ ｉｔｙ ｑｕｅｒ ｙ．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒ ｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ， ２００７， ４３（ ２５） ： １５－ １７．
离计算代价（ ＣＰＵ 代价） 较高。例如， 计算两个 ｎ 维特征向量的
距离， 不妨设采用欧氏距离作为度量， 不考虑乘方根计算， 需要
做（ ｎ－ １） 次加法运算， ｎ 次乘法运算。如果相似性匹配的特征向
ｍ
量个数为 ｍ， 则需要做 ｎ 次乘法运算， 对于高维特征向量， ｎ 值
达几十甚至几百上千， ｍ 值取决于所使用的索引结构， 一般
｛ｆ１， ｆ２， …， ｆｎ｝。其中， ｆ１＝Ｆ（ Ｓ１） ， ｆ２＝Ｆ（ Ｓ２） ， …， ｆｎ＝Ｆ（ Ｓｎ） 。且任意
两个对 象 Ｓ１、Ｓ２ 的 相 似 性 Ｓｉｍ（ Ｓ１ ， Ｓ２） 可 以 转 化 为 两 个 对 象 特 征值之间的相似性 Ｓｉｍ（ ｆ１， ｆ２） ， 对象特征值之间 的 相 似 性 可 以
虽然以上这些研究工作都为空间数据相似性查询做出了贡献， 但空间数据相似性查询涉及空间数据库、人工智能等诸多领 域， 是一个比较复杂的问题， 因此， 从空间数据库角度对空间数 据相似性查询的基础性问题进行研究具有重要的理论价值和 现实意义。
２ 基于特征的空间数据相似性查询
空间数据相似性查询从技术实现角度可以分为三个层次： 数 据 层 、特 征 层 和 语 义 层 。 从 数 据 层 上 直 接 进 行 相 似 性 查 询 计 算量大， 效率低； 从语义层上进行相似性查询在目前计算机视 觉和空间数据挖掘等相关学科的发展水平下还存在很大的困 难 。目 前 可 行 的 方 法 是 通 过 提 取 空 间 数 据 的 特 征 来 实 现 空 间 数 据 相 似 性 查 询 。下 面 给 出 基 于 特 征 的 空 间 数 据 相 似 性 查 询 的 形 式化定义。
ＣＰＵ 代价较高。
基于特征的空间数据相似性查询一般先从查询对象提取
特征向量（ 称为查询向量） ， 然后将查询向量与预处理好的特征
库进行特征匹配， 检索出候选结果集， 经过相关反馈得到最终
查 询 结 果 集 返 回 给 用 户 。基 于 特 征 的 空 间 数 据 相 似 性 查 询 的 统
一处理框架如图 １ 所示。
通 过 特 征 向 量 之 间 的 距 离 ｄ（ ｆ１， ｆ２） 来 度 量 。 因 此 ， 查 询 对 象 ｑ
的 Ｋ 个最相似的对象为： Ｑ（ ｑ， ｋ） ＝｛Ｓ０ …Ｓｋ－ １ ∈Ｓ｜#ｅ∈Ｓ， ｄ（ Ｆ（ Ｓｉ） ， Ｆ（ ｑ） ） ≤ｄ（ Ｆ（ ｅ） ， Ｆ（ ｑ） ） ， ０≤ｉ≤ｋ－ １｝， 这 种 查 询 即 称 为 基 于 特 征
Ａｂｓｔｒ ａｃｔ： Ａｉｍｉｎｇ ａｔ ｔｈｅ ｇｅｎｅｒａｌ ｄｅｍａｎｄ ｏｆ ｓｐａｔｉａｌ ｄａｔａ ｓｉｍｉｌａｒｉｔｙ ｑｕｅｒｙ ａｎｄ ｔｈｅ ｓｔａｔｅ ｏｆ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ａｔ ｐｒｅｓｅｎｔ， ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ “Ｆｅａｔｕｒｅ Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｄａｔａ Ｓｉｍｉｌａｒｉｔｙ Ｑｕｅｒｙ”ｈａｓ ｂｅｅｎ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ， ａｎｄ ｔｈｅｎ ｔｈｅ ｆｏｒｍａｌ ｄｅｆｉｎｉｔｉｏｎ ｈａｓ ｂｅｅｎ ｇｉｖ－ ｅｎ， ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ ＦＢＳＤＳＱ ｈａｖｅ ｂｅｅｎ ｐｒｏｐｏｓｅｄ ａｎｄ ａｎａｌｙｚｅｄ．Ｔｈｅ ｕｎｉｆｏｒｍ ｆｒａｍｅｗｏｒｋ ａｎｄ ｔｈｅ ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ｏｆ ＦＢＳＤＳＱ ｈａｖｅ ｂｅｅｎ ｇｉｖｅｎ．Ｉｎ ｐａｒｔｉｃｕｌａｒ， ｗｉｔｈ ａｎ ｅｘａｍｐｌｅ ｏｆ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｉｎｄｅｘ ｓｔｒｕｃｔｕｒｅ ｉｎ ｍｅｔｒｉｃ ｓｐａｃｅｓ， ｃａｌｌｅｄ ＶＰ ｔｒｅｅ， ｄｉｓｔａｎｃｅ ｂａｓｅｄ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｉｎｄｅｘｉｎｇ ｉｎ ｍｅｔｒｉｃ ｓｐａｃｅｓ ｈａｓ ｂｅｅｎ ｄｉｓｃｕｓｓｅｄ ｗｈｉｃｈ ｐｒｏｖｉｄｅｓ ｔｅｃｈｎｉｃａｌ ｓｕｐｐｏｒｔ ｆｏｒ ｓｐａｔｉａｌ ｄａｔａ ｓｉｍｉｌａｒｉｔｙ ｑｕｅｒｙ． Ｋｅｙ ｗｏｒ ｄｓ： ｓｐａｔｉａｌ ｄａｔａ； ｓｉｍｉｌａｒｉｔｙ ｑｕｅｒｙ； ｍｅｔｒｉｃ ｓｐａｃｅ； ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｉｎｄｅｘ
摘 要： 针对目前空间数据相似性查询的广泛应用需求和实际应用情况， 提出基于特征的空间数据相似性查询 （ Ｆｅａｔｕｒｅ Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｄａｔａ Ｓｉｍｉｌａｒｉｔｙ Ｑｕｅｒｙ， ＦＢＳＤＱ） 的概念， 并给出了形式化定义， 分析指出了 ＦＢＳＤＱ 的特点。提出了统一的 ＦＢＳＤＱ 处理框架 及其实现的关键技术， 以典型的度量空间高维索引结构 ＶＰ 树为例， 讨论了基于距离的度量空间高维索引技术， 为空间数据相似性 查询的研究提供了技术支持。 关键词： 空间数据； 相似性查询； 度量空间； 高维索引 文章编号： １００２－ ８３３１（ ２００７） ２５－ ００１５－ ０３ 文献标识码： Ａ 中图分类号： Ｐ２０８
的空间数据相似性查询。
由上述定义可以看出， 相似性查询实质上是 Ｋ 近邻查询，
当 ｋ＝１ 时 ， 称 为 “ 最 近 邻 查 询 ”。 实 际 上 ， 范 围 查 询（ Ｒａｎｇｅ
Ｑｕｅｒｙ） 也属于相似性查询的范畴， 可以认为范围查询是 Ｋ 近邻
查 询 的 另 一 种 表 述 方 式 ， 不 过 是 通 过 精 确 的 查 询 范 围 阈 值（ 这
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ 计算机工程与应用
２００７， ４３（ ２５） １５
基于特征的空间数据相似性查询研究
夏 宇 １， 朱欣焰 ２， 周春辉 ２ ＸＩＡ Ｙｕ１， ＺＨＵ Ｘｉｎ－ ｙａｎ２， ＺＨＯＵ Ｃｈｕｎ－ ｈｕｉ２
１．武汉大学 遥感信息工程学院， 武汉 ４３００７９ ２．武汉大学 测绘遥感信息工程国家重点实验室， 武汉 ４３００７９ １．Ｓｃｈｏｏｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｗｕｈａｎ ４３００７９， Ｃｈｉｎａ ２．Ｓｔａｔｅ Ｋｅｙ Ｌａｂ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ｉｎ Ｓｕｒｖｅｙｉｎｇ， Ｍａｐｐｉｎｇ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｗｕｈａｎ ４３００７９， Ｃｈｉｎａ Ｅ－ ｍａｉｌ： ｇｅｏｘｙ＠１２６．ｃｏｍ
马氏（ Ｍａｈａｌａｎｏｂｉｓ） 距离、斜交空间距离等。其中， 明氏距离第 ｉ
１
&% ’ ｐ
ｑ
ｑ
个向量和第 ｊ 个向量的距离定义为 ｄｉ（ｊ ｑ） ＝
ｘｉｋ － ｘｊｋ
。当
ｋ＝１
ｑ＝１ 时 ， 称 为 绝 对 值 距 离 ； 当 ｑ＝２ 时 ， 称 为 欧 氏 距 离 ； 当 ｑ＝∞
时， 称为切比雪夫距离。特征向量间的距离值越小， 向量之间的
服务等方面研究； 周春辉， 男， 博士生。
１６ ２００７， ４３（ ２５）
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ 计算机工程与应用
任一数据库对象 Ｓｋ 可以表达为一个 ｍ 维 的 特 征 向 量 ， 即 Ｆ： Ｓｋ
ｍ
→Ｒ ， 则 数 据 库 对 象 集 Ｓ 对 应 的 特 征 向 量 集 可 以 表 达 为 Ｆ＝
都 可 能 导 致 相 似 性 查 询 结 果 的 不 同 。例 如 对 于 纹 理 图 像 就 比 较
适合于选择纹理特征作为检索依据， 而选择同质纹理描述子、
纹理浏览描述子或者边缘直方图描述子等不同的方法， 检索结
果会有差异。（ ２） ＦＢＳＤＳＱ 中的特 征 一 般 用 高 维 特 征 向 量 来 表
定 义 １ 基 于 特 征 的 空 间 数 据 相 似 性 查 询 （ Ｆｅａｔｕｒｅ Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｄａｔａ Ｓｉｍｉｌａｒｉｔｙ Ｑｕｅｒｙ）
设 数 据 库 对 象 集 Ｓ＝｛Ｓ１ ， Ｓ２ ， … ， Ｓｎ ｝， 查 询 对 象 为 ｑ， 不 妨 设
基金项目： 国家重点基础研究发展规划（ ９７３）（ ｔｈｅ Ｎａｔｉｏｎａｌ Ｇｒａｎｄ Ｆｕｎｒｏｇｒａｍ ｏｆ Ｃｈｉｎａ ｕｎｄｅｒ Ｇｒａｎｔ Ｎｏ．２００６ＣＢ７０１３０５） 。 作者简介： 夏宇（ １９８１－ ） ， 男， 博士生， 主要从事空间数据库、遥感影像处理等方面研究； 朱欣焰， 男， 教授， 主要从事空间数据库， 网络 ＧＩＳ， 空间信息
里即为距离值） ， 限制相似性对象的个数， 然而实际相似性查询
中， 常常用户并不用关心查询的距离阈值， 所以最常用的相似
性查询还是集中在 Ｋ 近邻查询上。
基于特征的相似性查询中， 特征向量之间的距离定义有：
明 考 夫 斯 基（ Ｍｉｎｋｏｗｓｋｉ） 距 离 、兰 氏（ Ｌａｎｃｅ 和 Ｗｉｌｌｉａｍｓ） 距 离 、