数字海图水深注记的自动选取

水深注记作为表示海底地形地貌特征的主要制图要素,它的正确选取对于保证航海安全、反映海底地貌起伏具有重要意义。针对传统的水深注记方法,该文提出一种顾及多重约束条件的水深注记选取方法。在总结水深注记综合约束条件基础上,以Vononoi图为支撑几何构造,对水深注记综合涉及的地形特征、空间分布特征、邻近特征3个方面的综合约束进行了形式化定义;借鉴人工选取的思想,在水深综合约束条件重要性排序的基础上,通过反映地形、空间分布、邻近关系等主体特征的重要水深的依次选取,以及背景水深的抽稀实现水深注记选取;最后以实测数据进行实验,验证该方法的有效性。     

兼顾要素正确分类及精准定位的栅格海图水深注记自动提取方法

针对当前水深注记自动提取实现困难、精度不高及效率过低等问题,将卷积神经网络(convolutional neural networks, CNN)模型应用于水深注记的自动识别,结合水深注记空间分布及几何特性对传统模式识别算法进行了改进,提出了一种兼顾要素正确分类及精准定位的栅格海图水深注记自动提取方法。通过对海图切片邻域的定量扩张,建立了顾及要素完整性的海图自适应切分模型,克服了CNN模型应用于大幅面海图要素识别的局限性;结合预测框角点位置的空间关系分析及评估,设计了面向空域冲突的要素唯一性判定原则,解决了邻域扩张引起的水深注记重复识别问题;在此基础上,进一步论证了水深注记主点位置的空间分布规律,建立了考虑要素几何分布特征的连通域分析改进模型,实现了水深注记的精准定位及数值提取。试验结果表明：(1)本文方法较好地实现了水深注记的自动提取,在CNN模型实现水深注记分类及粗定位过程中,具有较高的查全率和分类查准率。同时,最终水深注记数值提取结果正确率较高,且主点位置能满足水深注记提取的特殊要求。(2)通过多种CNN模型应用于本文自动提取模型中的对比试验,对比不同CNN模型在本文自动提取模型...     

海底地形的识别与水深的综合

水深综合是数字海图综合的重要方面,也是其难点之一,在分析水深综合原则的基础上,提出了基于地形特征识别的综合模型,以分解其诸多约束条件,来实现水深的自动综合。     

顾及地形复杂度的多波束测深数据抽稀算法

多波束测深数据具有海量特性,在使用过程中常需对其进行抽稀处理。针对现有抽稀算法的结果无法兼顾舰船航行安全与海底地形真实表达的问题,提出一种新的多波束测深数据抽稀算法。在根据海底地形复杂程度的不同实现地形复杂程度分类的基础上,针对平坦、一般和复杂3类不同复杂程度的地形区域提出不同的抽稀策略,使得抽稀过程顾及航行安全"取浅"原则的同时能够保留海底真实地形特征。与常用抽稀算法网格最浅点法和不规则三角网法进行对比实验,结果表明:本文算法抽稀结果在海底地形表达真实性上明显优于网格最浅点法,同时能够避免不规则三角网法抽稀时可能出现数据空白区域的问题,抽稀结果能够满足后期海图制图和海底地形构建的数据需求。     

海底地形的识别与水深的综合

水深综合是数字海图综合的重要方面,也是其难点之一.在分析水深综合原则的基础上,提出了基于地形特征识别的综合模型,以分解其诸多约束条件,来实现水深的自动综合.     

数字海图水深注记的自动综合研究

以海图中水深综合的基本原则为依据,模拟人在制图综合时的思维方式,提出一种新的水深注记自动综合的模式--表达、识别与综合,并通过试验验证该综合模式的实用性和有效性,为自动制图综合的研究开创新的理论与研究方法.     

航海图海底地形自动综合的探讨

海底地形自动综合是自动编制航海图的重要内容。本文提出根据区域特征、水深分布特点自动选取水深注记的算法。按照“正负区”法确定的弯曲特征进行等深线形状的自动概括。此外还对底质的自动选取作了初步的探讨。     

数字水深模型建模技术研究进展与展望

水深是反映海底地形起伏形态的基本要素,是人类认识和利用海洋并进行科学决策的重要依据。数字水深模型是用离散水深数据实现对海底地形起伏变化的一种数字化表达。数字水深模型建模技术与所构建模型的质量、特点及应用领域密切相关,直接决定了海底地形表达的真实可靠性和精度,并将对舰船航行的安全性及其他相关应用产生重要影响,一直是海道测量和海图制图人员科学研究与海洋测绘地理信息产品生产实践关注的核心内容。本文在总结数字水深模型概念内涵的基础上,结合国内外数字水深模型建模技术现状,重点阐述了数字水深模型在航海和非航海领域的研究进展及取得的成果,并对数字水深模型建模技术的未来发展方向做出了展望。     

航海用DDM向非航海用转换时的整体偏差补偿方法

针对航海用数字水深模型（DDM）向非航海用转换这一问题,提出了一种用整体偏差值补偿来提高转换精度的方法。首先建立航海用DDM整体性偏差值与海底地形复杂因子、海图比例尺之间的关系;其次依据上述关系预先推算航海用DDM的整体偏差值;最后将整体偏差值补偿到转换前的航海用DDM的模型点上,以提高转换后的非航海用DDM精度。试验证明：①所提的方法可行,可提高转换后非航海用DDM的精度;②转换后非航海用DDM精度提高的程度与海底地形复杂因子和海图比例尺有关。     

海图水深综合的人工神经元网络方法

水深或水深点是海图的重要内容,水深综合是海图制图综合的重要方面,也是海科综合的难题之一。本语文在分析海图水深化综合要求的基础上,研究了水深综合的神经元网络的网络结构与作业策略、网络参数、网络学习、网络实现,并给出了实验结果。