改进的邻近四点法建筑物多边形化简算法

针对应用邻近四点法化简建筑物多边形时因实际数据的复杂性及该算法的不完善出现的效率下降和准确性降低问题,该文提出了一种基于邻近四点法建筑物多边形化简的改进算法。该方法排除了冗余点的干扰,避免运算耗时;细化了基本处理单元的分类,避免遗漏特殊结构类型基本处理单元的处理;对建筑物多边形进行了分类及实时标记,以达到在同时考虑基本处理单元和建筑物多边形的情况下实现建筑物多边形化简的目的。实验结果表明:此改进算法更加实用化,且提高了建筑物多边形化简的效率和准确性。     

制图综合中建筑物多边形的合并与化简

讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本文提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。     

基于邻近四点法的建筑物多边形化简

对早期的局部线化简算法进行拓展和改善,提出一种以建筑物多边形上邻近四点组合为基本处理单元,以最小可视长度阈值为综合指标,通过对其凹凸结构的类型判别及区别处理,实现建筑物多边形快速化简的方法。将线化简中对三点或多点进行局部处理拓展为邻近四点,较好地保持了建筑物形态特征;有针对性地采取全局检查消除自相交现象,并探讨了起始点的选择问题。选取1∶10 000居民地数据进行多组地图综合试验,结果表明该方法可有效地保持多边形的轮廓特征与面积大小。     

建筑物多边形化简及优化的自动方案研究

针对居民地地图形状化简的一个方面——建筑物多边形的化简,通过对综合规则的研究和居民地几何特征的剖析,提出一种与比例尺相关的切割实现建筑物多边形化简的方法,在Visual Basic6.0环境下实现了该算法,试验结果表明此方法在保持街区的形态特征上效果较好。     

参数优化的建筑物多边形化简研究

本文针对建筑物多边形化简当前存在的问题,将参数优化的方法引入化简的全过程,在渐进式图形化简的基础上,通过把建筑物多边形的几何特征、结构特征和化简所遵循的一系列约束规则参数化、变量化表示,建立了建筑物多边形化简的数学模型,通过对模型的求解,来达到化简建筑物多边形的目的。成果已经应用于数字地图的生产,实践证明该算法的化简效果好,普适性较高,符合应用需求。     

制图综合中建筑物多边形的合并与化简

讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。     

建筑物形状特征分析表达与自适应化简方法EI北大核心CSCD

建筑物化简是地图制图领域关注的热点问题之一。集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知。本文提出一种深度学习支持下的形状自适应建筑物化简方法。首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制。试验表明,本文方法的化简结果在位置、方向、面积和形状保持指标上总体优于单一算法,具备较好的理论与应用价值。     

顾及路网结构保持的城镇居民地自动综合

以往居民地自动综合的研究多集中于建筑物的多边形化简,较少考虑到其与街区、道路网的联系。提出了顾及路网结构保持的城镇居民地自动综合模型,此模型包含道路选取和街区内部结构概括两方面。前者基于网眼密度并结合路划功能选取道路数据,用于街区合并;后者则主要涉及建筑物多边形化简,通过改进矩形差分组合方法,在原有面积阈值的基础上添加距离阈值,并提供新的分层化简思路。以1:1万地图数据到1:5万比例尺的自动综合实验验证了本文算法的可行性和有效性。     

利用约束D-TIN进行建筑物多边形凹部结构识别与渐进式化简

分析了位于建筑物多边形外侧的凹部结构特征及其类型,探讨了一种基于凹部层次结构的建筑物多边形渐进式化简方法,即以三角形为形状基元,用约束Delaunay三角化方法对建筑物多边形进行空间剖分,从凹部三角形树中提取三角形序列,通过匹配特征序列识别凹部的基本模式,以确定和实施相应的凹部化简方法,在此基础上迭代执行识别-化简过程,以实现对建筑物复杂凹部的渐进式化简。实验分析表明,该方法具有结构化和渐进综合的特点。     

采用斜拉式弯曲划分的曲线化简方法

线要素化简一直是自动制图综合中的重要研究内容。分析已有线化简算法在线弯曲形态保持和单调弧段划分时只考虑一侧等不足,提出线要素的斜拉式弯曲划分和化简新方法。该方法对线要素采用斜剖方式划分弧段,兼顾线要素两侧的弯曲形态;识别出每个划分的单调弧段是U型弧段还是V型弧段,是大弧段还是小弧段,从而分别对其进行不同的处理;在处理过程中,每化简完一个单调弧段,重新对线要素进行弧段划分,然后再次对每个单调弧段进行化简,以此类推,因此该算法是一种动态化简过程。实例显示,本算法在线要素特征点保持、u型弧段和V型弧段保持、大弯曲的保持、整体形态保持等方面非常有效,且化简率非常高,充分证明本算法的科学性和优越性。     

基于数据匹配的建筑物群典型化快速算法

分析了多尺度数据库和在线综合集成的途径与网格简化技术的矛盾及改进方法．提出了基于多尺度数据匹配的建筑物群典型化算法。算法基于分治原则．将整个图面空间划分为多个分区，每个分区进而划分为多个簇，以簇为单元，支持并行计算。此方法快速有效，适于网络制图。     

Morse理论支持下的建筑物点云特征提取

针对传统特征提取算法的结果存在交叉紊乱、不连续、缺少拓扑关系等问题，本文提出了基于Morse理论的建筑物点云特征提取算法。首先定义三维表面模型上顶点的Morse函数指标；然后采用邻点比较法自动提取特征点；最后针对Morse-Smale复形的对偶性在建筑物拓扑特征中已无实际意义的问题，提出了单复形拓扑模型的提取与简化算法。试验结果表明，该算法能够获得清晰、连续、完整的建筑物特征线，实现对建筑物模型表面的完全分割；简化算法在保证建筑物特征线拓扑一致性的前提下，可以获取不同层次的建筑物拓扑特征，为建筑物模型的重建与可视化提供了保障。     

Chain-based polyline tessellation algorithm for cartographic rendering

ABSTRACT

Although the extrusion of 1D polylines into a 2D polygon and the tessellation of the polygon into primitives has been performed in the field of computer graphics, the efficient, robust, and high-quality tessellation of thick polylines that supports various cartographic styles for polyline rendering remains a practical challenge. We examined and compared existing vertex-, segment-, and polygon-based algorithms, and present a chain-based tessellation algorithm for cartographic rendering: points in the polyline are classified into abrupt and smooth points according to their point spacing, angle and thickness. The polylines are then divided into abrupt and smooth chains by clustering points that are adjacent and of the same type. An optimal algorithm is also presented to continuously tessellate the smooth chains into minimum geometric primitives and efficiently tessellate the abrupt chains into geometric primitives. We implemented the proposed algorithm and present the results of robustness, efficiency, quality, and cartographic styling tests conducted on real-world polylines. The results indicate that this approach has substantial advantages when considering all four requirements (robustness, efficiency, quality, and the support for various cartographic styles).     

同名边界点的面状居民地要素匹配

针对空间数据集成与地图增量更新过程中的面实体匹配环节,该文提出利用同名边界点集进行面状居民地要素匹配的方法。该方法从边界点的相似性考虑面状居民地要素的相似性,通过计算候选匹配要素上边界点在位置、转角、关联边等方面的一致性,把面实体相似性的比较转换为同名要素边界点集相似性的比较,简化了面状居民地实体匹配的复杂度。在面状居民地要素的匹配过程中,该文方法可以处理一对一、一对多和多对一的匹配关系。实验证明,该方法在匹配面状居民地要素时,准确率可以达到98%。     

基于约束点的无拓扑多边形数据压缩算法

分析了常规压缩算法(如Douglas-Peucker算法)压缩无拓扑多边形数据会产生公共边界不一致现象,认为出现此现象的原因是多边形公共边界的压缩起始点选择不一致,进而提出了一种新的基于约束点的无拓扑多边形数据压缩算法。算法原理包括:首先将多边形公共边界的两个端点作为约束点处理,使得多边形从约束点处逻辑上分成几段;然后利用常规压缩算法进行分段压缩,使每一多边形公共边界的压缩初始点一致,从而保证了无拓扑多边形数据的一致性压缩;最后大量试验验证了此算法的有效性。     

高分辨率遥感影像建筑区域局部几何特征提取

及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号等影像数据集进行实验,实验结果表明本文方法相对于已有的Harris和HSCD点检测算法,在建筑区域提取质量上(Quality)上分别提高了4.79%,5.96%;1.47%,3.76%和1.91%,4.08%。     

利用原始激光雷达点云数据提取渐进式建筑物轮廓线

建筑物是城市三维建模的重要元素，其轮廓信息的提取既是难点又是重点。本文提出了原始激光雷达点云数据的渐进式建筑物轮廓线提取方法。首先对原始点云数据采用渐进数学形态学滤波分离非地面点；然后使用改进的三维Hough转换分类出建筑物点云；进一步提取建筑物轮廓点，并根据相邻点方位角阈值确定建筑点云轮廓的关键点，以此简化并拟合建筑物轮廓线；最后基于轮廓线长度加权方向将建筑物轮廓规则化。结果表明，该方法大大提高了点云处理的效率和精度，可以直接从采集到的初始数据中自动化渐进式得到建筑物轮廓线信息。同时该方法对解决中小城镇建筑物体积小，距离近和屋顶坡度较大等问题具有较好的效果。     

一种基于区域分割的三角划分方法

基于三维重建中物体截面轮廓边缘序列中相邻轮廓基本相似的事实，提出了一种物体截面轮廓线点集之间的三角划分的快速算法。该算法首先寻找轮廓线的控制点，对每两条相邻轮廓线的控制点进行配对，其次将这样两条轮廓线之间的三角划分的任务分配在多个小的曲线段对之间进行，并且由于事先的控制点匹配，在每个小的区域中就能够进行简化快速的三角划分。通过试验验证了本算法的有效性。