改进的加权Voronoi图ArcGIS矢量生成算法

加权Voronoi图是根据生成元权重划分空间的方法,广泛应用于地学领域。针对传统加权Voronoi图ArcGIS矢量生成算法不能处理重叠点、复杂多边形及更新操作等问题,该文提出了一种改进算法,结合C#和ArcEngine,利用增量法思想,通过重叠点处理、区域分割合并、加权区域重分类、加权区域重划分等方法实现,可嵌入ArcGIS应用软件使用或独立运行,具有良好的可用性,精度高,便于数据库存储管理,扩展了加权Voronoi图在地学领域的应用。     

栅格法构建沃罗诺伊图的扫雷算法

沃罗诺伊(Voronoi)图在很多领域都具有广泛应用,因此构建Voronoi图具有重要的现实意义。本文基于栅格法提出了一种新的Voronoi图构建算法——扫雷算法。该算法不需要欧氏距离计算,能减少计算耗时,并可通过改变相关参数实现对生成的Voronoi图的精度控制,同时可用于广义Voronoi图的构建。经过实验和精度评定得出,扫雷算法能很好地构建生长元为点、线、面的Voronoi图,并具有较高的生成精度。     

一种异质空间下加权Voronoi图的栅格生成算法

针对现有Voronoi图算法很多将被划分区域理想化为匀质空间，忽略了所依赖的传导方式及空间差异性的问题，该文提出了一种异质空间下加权Voronoi图的栅格生成算法。首先根据目标中心强度确定每个目标的影响权重，根据空间传导能力确定每个栅格的传导权重，然后进行十字交叉光栅扫描，在距离变换中按栅格对距离进行分解，将目标影响权重和栅格传导权重纳入变换公式，最后连通每个栅格到最近目标点的最短路径。该算法兼顾了目标中心强度、几何形状以及空间差异性，实现了异质空间下任意形状目标加权Voronoi图的生成。实验证明，该算法时间复杂度不受目标数量、分布和形状的影响，比普通Voronoi图算法更适合复杂空间下的城市影响范围划分。     

面向雷利法则的加权Voronoi图生成方法

Voronoi图及其生成是计算几何的重要内容。针对传统栅格加权Voronoi图的权重界定局限性,以及栅格数据下Voronoi图生成的计算效率问题,本文研究了基于雷利法则的生长元规模权重和栅格欧氏距离变换权重作为综合权重条件下,规避单图幅背景栅格与每一生长元之间的距离计算,根据生长元各自距离变换图幅构建栅格加权Voronoi图,即雷利Voronoi图（Reilly Voronoi diagram,RVD）的地图代数生成方法。经试验验证,该方法生成的Voronoi图不仅完善了传统的权重因素,而且避免了因背景栅格与生长元的距离运算、判断而产生的大量计算,证明了该方法的切实可行性。     

基于水流扩展思想的网络空间Voronoi图生成

Voronoi图是地理空间设施分布特征提取的重要几何模型,基于不同的空间距离概念可建立不同的Voronoi图。本研究顾及城市网络空间中设施点的服务功能及相互联系发生于网络路径距离而非传统的欧式距离的事实,针对网络空间Voronoi图模型,建立一种网络空间Voronoi图生成的栅格扩展算法。首先对图结构的边目标剖分为细小的线性单元,称作网络空间的栅格化,引入水流扩展思想,将事件点发生源视为“水源”,以栅格单元长度为扩展步长,让水流方向沿着网络上的可通行路径同时向外蔓延,直至与其他水流相遇或者到达边的尽头。该算法可方便地加入网络图结构中的多种约束,如街道边的单向行驶、结点的限制性连接等实际空间限制条件。通过大规模实际数据的“数字城市”POI点服务范围的试验表明该算法的效率高。     

基于有效区域约束的GPU-CPU协同影像快拼方法

提出了一种以有效区域约束的Voronoi图为拼接线网络,利用GPU-CPU协同处理航空影像快速拼接方法。首先,基于成像有效区域生成有效区域约束的Voronoi图拼接线网络,解决了传统Voronoi图拼接线网络在低重叠度条件下拼接后影像局部区域不被覆盖的问题,然后利用GPU-CPU协同处理将正射纠正嵌入到影像拼接的过程中,并且只对每张影像的有效区域进行纠正,再通过选择配置优化和存储层次性优化进一步提高拼接效率。实验表明,对237张高分辨率航空影像进行快速正射纠正和拼接,本文算法较传统先纠正再拼接的方法效率提高近20倍,同时保证很高的拼接精度,可以满足应急测绘要求。     

线/面Voronoi图的分解合并生成算法

Voronoi图生成算法受到计算效率或生长源类型的限制,难以支撑线/面生长源Voronoi图的构建。本文提出一种生成线/面生长源Voronoi图的分解合并算法,其主要过程是将线/面生长源离散为特征点表达,通过特征点交叉建立最近特征点对,并以最近特征点对Voronoi子区域的交来部分地代替线/面生长源的等距离边界,算法以前后迭代离散计算的Voronoi子区域面积差分作为条件,可有选择地将部分生长源置入迭代过程,使线/面生长源Voronoi子区域逐步调整并达到精度要求。     

脉冲耦合神经网络支持下的网络Voronoi图构建

针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。     

基于地图代数的最小生成树实现方法

本文介绍了最小生成树及其常见的算法,对比栅格算法分析了基于矢量的最小生成树算法的缺点,介绍了地图代数的距离变换和基于地图代数的距离变换图生成Voronoi图、Delaunay三角网,然后根据最小生成树MST是Delaunay三角剖分的一个子集,逐次删掉Delaunay三角网中每个三角形的最长边,从而得到最小生成树,该方法不仅适用于欧氏非障碍空间,同样也适用于障碍空间的情况,解决了以往最小生成树在障碍空间下(尤其是当障碍空间中的障碍是全形态的条件下)难以求解的问题,具有一定的理论意义。     

横-纵扫描的Voronoi图栅格生成算法

Voronoi图是计算几何学中一个重要数据结构,在诸多领域具有广泛的应用。栅格扫描算法符合计算机离散特征,优化了欧氏距离算法,是最优的栅格Voronoi图生成算法之一。但是,由于栅格单元距离与欧氏距离的差异,在扫描过程中部分单元的归属不可避免地产生一定的误差,使栅格Voronoi图的应用受到一定限制。本文针对传统扫描算法存在的误差缺陷,提出了一种基于横-纵扫描的栅格Voronoi图改进生成算法。首先,深入分析了传统扫描算法产生误差缺陷的原因和区域分布特征;然后,以3×3邻域为模板,在一个正常周期的水平(横向)扫描后,增加一个周期竖直(纵向)扫描,即通过横-纵两个周期扫描实现Voronoi图的准确生成;最后,应用不同的栅格数据进行了试验对比,结果表明:改进后的算法既具备扫描算法效率上的优势,同时解决了原算法扫描的误差缺陷,在高效生成的同时把误差限制在一个格网以内。     

以等高线为特征约束的Delaunay TIN的构建

首先回顾了构建D-TIN常用的三种算法,然后采用改进了的凸包算法建立等高线离散数据点的无约束D-TIN,提出了基于影响域对角线交换的局部调整算法,运用该算法将等高线作为特征约束嵌入到D-TIN中,建立以等高线为特征约束的CD-TIN。     

地理多要素Voronoi图相邻关系下的地图放大裁剪方法

针对以欧氏距离作为放大因子对电子地图进行放大裁剪引起的信息失衡问题,提出了采用地理多要素Voronoi图相邻关系的地图放大裁剪方法,可有效避免以欧氏距离作为地图放大因子的地图信息失衡问题。将电子地图中的地理要素分为点、线、面,对于点要素,构建它的Voronoi图;对于非点要素,即线和面要素,构建它们的近似Voronoi图,当用户对电子地图中感兴趣地理要素目标放大时,只需要提取该目标的多要素Voronoi图相邻要素的近似Voronoi图,并计算它们的最小外包矩形,将最小外包矩形区域用于最终的地图放大裁剪区域,则可较好地顾及用户感兴趣地理要素目标周围的地理要素信息,可提高地图的易读性。采用本文方法对某区域电子地图进行了试验,结果表明,地理多要素Voronoi图相邻关系的地图放大裁剪方法能够较好地顾及目标周边地理要素信息,避免了以欧氏距离为放大因子的地图信息失衡。     

利用缓冲区动态生长模型进行岛屿自动选取

针对当前岛屿自动综合算法使用的Voronoi图在表达岛屿密集程度时存在缺陷，从而导致选取结果难以满足生产实际需要这一现状，提出一种利用缓冲区动态生长模型进行岛屿选取的自动选取方法。首先，从原理上分析了Voronoi图表达空间数据密集程度的缺陷，并设计了能克服此缺陷的缓冲区生长模型；然后，定义了距离矩阵、岛屿缓冲区标识和增长因子，构建了缓冲区生长模型；最后，通过对模型的动态构建和更新实现了岛屿的自动选取，并选取多组不同海域、不同分布特征的岛屿资料图进行了实验验证。实验结果表明，缓冲区生长模型有效解决了Voronoi图表达岛屿密集程度时的缺陷问题，与使用Voronoi图表达岛屿密集程度的岛屿选取方法相比，明显提高了岛屿选取的质量，且可适用于更多的复杂海域。     

改进约束D-TIN的等高线陡坡区域识别

针对高线图中陡坡区域特征的自动识别问题,在应用Delaunay三角网与线性插值法生成等高线图的基础上,改进了基于最大角原则生成约束Delaunay三角网的算法,对等高线图进行了三角剖分,根据等高线之间约束三角形的几何参数,计算了等高线图坡面单元坡度,识别出坡度较高区域。进一步地,给出了一种扩张算法对相连陡坡单元进行划分形成陡坡区域,计算了各个陡坡区域中心坐标、面积与平均坡度。通过对12组有256个坐标高程值的数据构建约束D-TIN并生成三维地形图对识别结果进行了评价,识别正确率达0.903,平均识别时间为33ms。实验表明,对于不同数据生成的不同等级等高线图的识别结果均有较高的效率与准确率。     

QTM格网空间中的球面Voronoi图并行生成算法

根据球面四元三角网（quaternary triangular mesh,QTM）的离散特征及图形处理器（graphics processing unit,GPU）的多线程原理,用距离的计算与比较代替传统的扩张操作,提出了一种基于QTM的球面Voronoi图并行生成算法,并给出了Voronoi边界提取算法。利用C++语言及统一计算设备架构（compute unified device architecture,CUDA）开发了实验系统。实验结果表明,本文算法能够在球面上快速生成点、线、面数据集的Voronoi图,且能够将Voronoi误差控制在两个格网以内。同时,GPU并行计算的使用,提高了算法的效率。     

Allocation using a heterogeneous space Voronoi diagram

Spatial allocation is a fundamentally important process reflecting customer behavior, efficient service assignment, districting, etc., and is at the heart of many spatial analytical methods and processes. The Voronoi diagram has proven to be an important mathematical and geometric construct and has been widely applied in various fields because it is intuitive and efficient in the allocation and/or partitioning of space. However, existing Voronoi diagram approaches rely on the assumption that the attribute(s) of continuous space (non-generator points) is homogenous, which often is not the case for many application contexts. This paper introduces the concept of spatial heterogeneity in allocation. A new Voronoi diagram is defined—the heterogeneous Voronoi diagram. A geographic information system-based method is developed to derive the heterogeneous Voronoi diagram using discretized spatial allocation properties. Application of the heterogeneous Voronoi diagram is reported for a planning problem involving emergency drone delivery. Results show that response potential is over- and underestimated when heterogeneity and travel obstacles are disregarded. Further, feasibility, usefulness, and significance are demonstrated for incorporating geographic heterogeneity in the allocation process.     

一种海底底质与地形的信息叠置可视化方法及应用

海底底质与地形对舰船航行、锚泊、登陆、海底管线铺设等海上活动具有重要的影响。此文提出了一种基于底质Voronoi多边形操作,并与地形信息进行叠置运算的可视化分析方法。通过构建底质Delaunay三角网,生成底质Voronoi图,合并同底质且相邻的Voronoi多边形,实现了海底底质分布的可视化。在此基础上,实现了底质与地形的信息叠置。通过试验数据验证了所提方法的有效性,并在路线选择和活动区域提取等应用中进行了尝试。