群组目标空间方向关系形式化描述模型

针对目前群组目标空间方向关系模型在描述方向关系方面存在的不精确及复杂性等问题,该文提出一种形式化描述模型。该模型采用"剥皮"法计算得到源目标群的边界多边形,较好地顾及了空间形状及分布范围对方向关系的影响;并通过方向关系矩阵模型计算源目标群的边界多边形与各方向区域之间的交,借助矩阵形式化描述源目标群相对于参考目标群的空间方向关系。实验结果表明,该模型较好地克服了现有方法中存在的缺陷,能够准确判断地理空间中两个群组目标之间的空间方向关系。     

面状群(组)目标空间方向关系的形式化描述与计算

通过对各种空间方向关系形式化描述模型进行分析阐述,针对面状群(组)目标间方向关系的特点,本文提出了利用方向Voronoi图模型来计算面状群(组)目标之间的空间方向关系.该模型通过计算获得各个主方向上Voronoi边的长度值与方向Voronoi边法线总长度值的百分比,得到群(组)目标之间方向关系的定量表达;借助矩阵形式化描述获得源目标群相对于参考目标群方向关系的定性描述.实验表明,该模型方案具有可行性,能够对面状群(组)目标间的方向关系进行精确的描述.     

矢量GIS空间方向关系的演算模型

空间方向关系是描述空间目标间位置分布的一类基本空间约束，在GIS中是由形式化模型描述的。但现有模型由于简化假设过多，其描述分辨率较低。以点／点空间方向关系的计算量为基础，在综合考虑空间目标的几何构成和分布关系后，提出了定量化演算空间方向关系的一种新模型。利用该模型的结果，根据定量表达与定性描述之间的转换函数，可以得到相应的定性描述结果。理论分析和算例表明，新模型对目标间距离和目标本身的形状等影响方向关系的参数更为敏感，因而比现有模型有更高的描述分辨率。     

多尺度地理空间点状要素相似关系研究

研究了多尺度地理空间点状要素相似关系的表达与度量问题。基于点群目标的分布特点,运用栅格数据思想和多元统计方法,将对点群的研究转化为对面状目标的研究。对同一个点群化简前后密度相似、面积相似以及空间方向的相似进行研究,建立了多尺度地理空间点状要素相似关系的计算模型。     

空间点群目标相似度计算模型及应用

为了研究点群目标的相似性问题,整合了与点群目标有关的拓扑关系、方向关系、距离关系、分布范围和分布密度5种要素,这5种要素是影响点群目标相似度的主要因子。根据这5种因子的特点,提出了各个因子相似度的计算模型,最后得到了点群目标之间相似度的总体计算模型。经过验证,该方法能准确地计算点群目标之间的相似程度,符合人们的日常认知。     

群组目标空间方向关系图谱研究

群组目标空间方向关系在地图自动综合、空间分析等领域有着重要的作用。为了定量、直观地表达群组目标之间的空间方向关系,提出一种基于图谱的群组目标空间方向关系计算方法。其基本思路是:首先,构建参考目标群的最小投影矩形MBR(Minimum Bounding Rectangle),并对其以正北方向为起止每隔一定角度进行形态变换,求得每次形态变换后参考目标群与源目标群之间的交集,在此基础上得出相应的谱密度,分析谱特征并绘制出对应图谱。实验表明,该方法较好地顾及了群组目标空间方向关系的各种影响因素,能够以定量的方式精确计算群组目标之间的空间方向关系,并能将其结果进行可视化表达。     

保持空间分布特征的群点化简方法

群点目标隐含的空间结构化信息是空间分布分析、地图综合感兴趣的内容。对群点目标分布的信息内容区分为存在性、度量结构与拓扑结构，在Delaunay三角网及其对偶Voronoi图模型上对工量结构定义4个在量；分布范围、分布密度、分布中心及分布轴线，顾及视觉识别Gestalt邻近原则，运用三角形“剥皮”法，确立了非凸多边形所表达的群点分布范围，运用图像灰度表达群点分布密度并通过图像处理方法提取分布中心。建立了Voronoi图动态重建进行群点化简的方法，该方法通过边界点和内部点的分开处理，较好地保持了4个空间分布特征。     

空白区域对点群相似性特征因子的影响

针对空白区域对点群相似性特征因子的影响,该文首先综述相关研究文献并整合影响点群相似性的要素,包括拓扑关系、方向关系、距离关系和分布范围;然后通过自适应聚类方法提取点群目标中的空白区域。通过对考虑空白区域与未考虑空白区域点群目标之间的拓扑关系、方向关系、距离关系和分布范围的相似度计算并进行对比,发现点群中的空白区域对点群的拓扑关系之间的相似度计算影响较小,对点群的方向关系、距离关系和分布范围的相似度计算影响较大。     

基于约束Delaunay三角网的线、面群目标分布边界计算

群组目标的分布边界在空间方向关系判断、相似度计算以及地图自动综合等领域有着重要的应用,但目前的分布边界计算主要是针对空间点群目标,鲜有涉及空间线、面群目标。在约束Delaunay三角网的基础上,利用动态阈值"剥皮"法实现线、面群目标的分布边界计算。方法得到的分布边界多边形符合人们的空间认知习惯,能够较好地描述线、面群目标的空间形态和分布范围。     

用Voronoi图描述空间方向关系的理论依据

基于可视点，可视链，可视区域等概念，分析了影响空间方向判断的两个因子：两目标群凸壳的直径与可视区域，证明了用Voronoi图描述空间方向关系的可行性。     

基于Voronoi图的空间方向关系形式化描述研究(一)

空间方向关系形式化描述模型是空间方向关系研究的难点和重点，目前尚无完善的模型出现。首先提出了影响空间方向关系的两个因素目标：一是两目标群凸壳的直径；二是目标的可视性。论述了运用平面目标Voronoi科作为两目标指向线的“替身”来描述方向关系在理论上的可行性。本文的结论是：Voronoi图是描述空间方向关系的良好工具。     

一种适于空间特征探测的三角网模型

对地理数据所隐含空间特征的探测是GIS理论研究和工程应用的关键问题之一。提出了一种基于Delaunay三角网的空间特征探测模型,该模型可用于点、线、面等多种几何类型的多种空间特征的探测,如点群目标的空间分布范围、分布密度和分布轴线探测,线目标的弯曲特征探测,多边形目标的瓶颈区域探测,多边形群的分组聚类特征探测等。实验证...     

空间线群目标方向相似度计算模型

本文提出了3种空间线群目标方向相似度的计算模型。依据风向玫瑰图的原理,将空间线群目标的方向特征进行定量统计生成对应的方向玫瑰图,在此基础上,生成对应的标准差椭圆和统计直方图,从而分别建立基于线目标方向玫瑰图、基于标准差椭圆和基于统计直方图的方向相似度计算模型,并进行了实验验证和分析。     

基于栅格数据的面状目标空间方向相似性研究

提出了基于栅格数据的面状目标之间的两种空间方向相似性的计算方法：利用栅格数据的特征和方向关系矩阵计算空间方向相似性；基于单个栅格单元与参考目标之间角度的变化计算面状目标之间空间方向相似性。这两种方法简化了由Goyal提出的基于方向关系矩阵模型计算空间方向相似性的方法，克服了方向产生某些细微变化时的限制，在计算面状目标空间方向相似性时具有更广泛的适用性。     

空间线群目标相似度计算模型研究

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。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。     

数字海图点群状特征的识别、量测与综合

空间分布特征的保持是点群自动综合的核心和难点所在,为此,本文定义了4个参量：分布范围、分布密度、分布中心和分布轴线,来描述点群目标的结构化信息。利用Delaunay三角网和Voronoi图两种模型,着重探讨了点群分布特征的识别和量测问题,并在识别与量测的基础上,通过Voronoi图的动态构建,给出了点群自动综合模型,通过实际岛群数据的检测,证明了模型的正确性与可行性。     

空间目标方向关系的定性扩展描述

由于空间问题固有复杂性不确定性，空间关系的描述和推理普遍采用定性方法以符合人们的空间认知行为，方向关系是一类重要的空间关系，用以确写目标的方位，以往的方向关系描述模型通常将空间目标作为一个抽象点，或者用目标的最小外接矩形表示目标，这两种方法都丰在明为不足，为了更细致，准确的描述方向方法，文章提出一种方面关系描述的分层多处理方法,在以点，线，面为参照目标的空间目标间建立方向关系描述的3层模式结构，每层模式又由基本方向关系描述，推理模型和方向关系描述，推理化模型组成，从而扩展了方向关系的描述。     

基于核密度估计的点群密度制图应用研究

随着信息技术的发展,点状专题数据激增,需要突破传统制图方法的表达局限,利用海量点群数据对专题信息进行快速、直观、综合的制图表达。文中以南京市银行的ATM网点数据以及全国KTV营业点分布为制图数据源,探讨了点群数据核密度估计图以及三维核密度曲面图的制作方法,并对其中的关键技术作了深入的研究。研究表明,基于核密度估计的网点密度制图方法,消除了边界分隔对密度计算精度的影响,能更好反映点群数据的空间分布密度、区域差异、动态变化等特征,具备更丰富的表现力。     

基于自适应采样粒度模型的空间方向关系模糊描述方法

针对空间方向关系具有不确定性的特点以及现有的方向关系表达方法的局限性,结合模糊理论分析方向隶属函数的基本特征,建立基于非线性隶属函数的8方向模糊描述参考框架。分析空间目标间的距离、尺寸、形状等因素对方向关系的影响,提出空间目标的自适应采样粒度模型。在保证空间方向关系一致性的前提下,对空间对象进行采样处理生成合适大小的点集。在8方向模糊描述参考框架下,统计点集之间的8个方向模糊矩阵,得到空间对象之间在各方向概念上的隶属程度,实现空间方向关系的细节模糊描述。通过实例分析验证该模糊描述方法的可行性和有效性。     

基于Kohonen网络的点群综合研究

基于Kohonen网络模型，对标准的SOM（self-organizing feature map）算法进行了改进，在保持点群原有空间分布特征的情况下研究点群的选取和典型化。实践表明，该方法适合任意空间分布类型的点群综合。