基于Delaunay三角网模型的等高线地形特征提取及谷地树结构化组织

基于Delaunay三角网模型在矢量等高线基础上通过弯曲特征分析，给出了一种地形结构特征提取及谷地树组织的方法，与传统的基于DEM或TIN数据结构提取地形特征的方法相比，该方法不仅得到了谷地系统在平面图上的拓扑结构，还获得了河谷在空间分布上的汇水范围，依托矢量线、多边形的几何关系判断，增强了谷地树组织中的结构化，避免了DEM方法中的噪音干扰，方法的核心是Delaunay三角网在单根等高线弯曲深度表达上的层次结构识别。基于系统地实验详细讨论了3种树的结构化组织：等高线弯曲特征嵌套结构表达的二叉树、谷地系统拓     

基于Delaunay三角网模型的等高线地形特征提取及谷地树结构化组织

基于Delaunay三角网模型在矢量等高线基础上通过弯曲特征分析，给出了一种地形结构特征提取及谷地树组织的方法，与传统的基于DEM或TIN数据结构提取地形特征的方法相比，该方法不仅得到了谷地系统在平面图上的拓扑结构，还获得了河谷在空间分布上的汇水范围，依托矢量线、多边形的几何关系判断，增强了谷地树组织中的结构化，避免了DEM方法中的噪音干扰，方法的核心是Delaunay三角网在单根等高线弯曲深度表达上的层次结构识别。基于系统地实验详细讨论了3种树的结构化组织：等高线弯曲特征嵌套结构表达的二叉树、谷地系统拓扑关系表达的平面结构树、水文意义上主支流河谷表达的语义层次树。     

一种面向化简的海岸线弯曲识别与结构化表达方法

海岸线弯曲识别与结构化表达是海岸线自动化简研究的基础。分析现有曲线弯曲识别与结构化表达方法用于海岸线化简中存在的问题;在通视分析相关理论基础上,面向海岸线化简应用,提出一种基于完全可视区间的层次弯曲渐进识别方法;根据弯曲间关系利用多叉树结构存储弯曲,实现海岸线结构化表达。通过对比实验,证明本文方法识别海岸线弯曲更加精细准确、层次性强,能更加细致地表现海岸线结构特点,也验证了本文方法适用于海岸线多尺度化简应用。     

等高线与水网数据集成中的匹配及一致性改正

等高线作为地势起伏与地形凹凸特征的表达,与水网表达有着密切的约束关系。在空间数据库集成与匹配中,由于来源不同,这两种数据往往出现不一致,导致水网"爬坡"现象。针对该问题提出一种等高线与水网匹配及一致性改正方法,利用Delaunay三角网模型在等高线基础上通过弯曲分析提取地形特征,基于河流分布与谷地走势的相关性,建立水网与等高线间的匹配关系,进而识别两者间的一致性。在此基础上利用仿射变换等几何方法完成一致化操作,包括水网移位匹配等高线和等高线移位匹配水网。     

等高线河流数据集成中的匹配及一致性改正

等高线作为地势起伏与地形凹凸特征的表达,与河流水系表达有着密切的约束关系。在空间数据库集成与匹配中,由于来源不同这两种数据往往出现不一致,导致河流“爬坡”现象。本研究针对该问题提出一种等高线河流匹配及一致性改正方法,利用Delaunay三角网模型在等高线基础上通过弯曲分析提取地形特征,基于河流分布与谷地走势的相关性,建立河流与等高线间的匹配关系,进而识别两者间的一致性与否。在此基础上利用仿射变换等几何方法完成一致化操作,包括河流移位匹配等高线和等高线移位匹配河流。     

采用剖分思想的谷地弯曲识别及结构化方法

等高线是地貌形态表达的重要手段,具有几何与地理双重信息。单纯从长度、面积等几何度量信息出发而设计的等高线化简算法,显然无法满足正向地貌等高线图形化简中,依据谷地包含关系,由细部到整体,逐级删谷扩脊等特殊要求。鉴于谷地弯曲及其层次结构信息是人们进行等高线图形化简的基础,文中对其成因进行深入研究,提出了一种基于剖分思想的谷地弯曲识别及结构化方法。该方法以数学弯曲作为剖分单元对等高线进行剖分,并在对剖分单元进行分类的基础上,实现了谷地弯曲的识别,构建了谷地弯曲层次嵌套关系树状模型,并对其进行了合理性验证。最后通过试验验证了谷地弯曲及其结构化信息指导等高线图形化简的科学性和有效性。     

基于等高线的地形特征线提取研究

针对数字化等高线数据,研究地形特征线的提取。总结了地形特征线提取的判断依据和相关方法;提出采用曲线弯曲原理和分析方法对等高线数据进行地形线自动提取的方法,采用整体分析与局部分析相结合的方法提取特征点,按属性连接地形线的实现过程。对自动生成的山脊线和山谷线进行适当的人工编辑,最终得到比较准确的地形特征线。     

地形特征约束的等高线群渐进式简化方法

为保留等高线群简化过程中的地形特征信息,研究了一种等高线群渐进式简化方法。首先,从等高线数据中提取地形特征点及地形特征线;将提取的地形特征点和特征线作为约束条件予以量化,并作为控制变量;再依据渐进式图形简化的思想,利用控制变量对等高线上的非特征点、特征点、特征线及其关联的弯曲进行渐进式取舍,从而实现等高线群的动态简化。实验结果表明,该方法能够有效地保持地貌形态特征,同时提高了简化过程的智能化程度。     

基于约束D-TIN的等高线簇与河网协同综合方法

传统制图综合中针对水系、地貌等不同地理要素的分治策略,往往导致综合后要素目标之间在空间与语义上的冲突.考虑地形与河流之间的空间依赖性,提出一种等高线簇与河网协同的制图综合方法,即利用两种要素目标顶点在约束D-TIN描述下的空间邻近关系,并通过提取和组织谷地等高线弯曲段数据,构建两要素有效协同关系.在此基础上将等高线按所...     

曲线形态的结构化表达

以弯曲作为曲线形态的基本结构单元,分析曲线形态的空间结构特征,提出一种曲线形态的结构化方法,即利用约束Delaunay三角网模型,结合格式塔原则,对曲线形态进行结构划分,将曲线弯曲划分为基本弯曲和复合弯曲,并对弯曲特征进行识别,给出弯曲间空间结构关系的探测方法,并利用面向对象模型对曲线形态的结构化知识进行表示.实验结果证明,与曲线弯曲深度层次二又树模型相比,本文提出的曲线形态结构化方法在弯曲划分的视觉感受、曲线形态结构化知识表达的完备性、用于曲线化简的实际效果更优.     

等高线的空间关系规则和渐进式图形简化方法

详细讨论了等高线表达地形的规则和以此为基础自动建立等高线关系的方法,对地形特征点、线的提取改进了已有较成熟的方法,建立了一套实用的等高线图形简化的渐进式方法,并对其特殊情况的处理提 出了具体的算法。这种方法把不同比例尺跨度的等高线图形综合融为一体,易于实现,等高线图形简化时的等高线相交可在综合过程中控制。     

基于格式塔识别原则挖掘空间分布模式

面向空间群目标的分布模式识别是空间数据挖掘比较关注的问题。本研究基于空间认知原理与视觉识别格式塔完形原则并结合空间聚类方法对该问题进行研究,提出用于描述实体间差异的"视觉距离"概念,其定义综合考虑视觉识别中的位置、方向、大小差异,通过Delaunay三角网计算几何构造建立该距离计算的模型。在实验基础上提出基于最小支撑树MST的聚类方法,获得与视觉认知相一致的结果。研究试图表明一个观念,即通用性的数据处理模型在GIS实际应用时,需要根据GIS作为"空间认知"科学的原理,作技术方法上的改进,需要考虑认知主体在感知、辨析、识别、推理不同思维过程中的认知心理原则。     

Delaunay三角网支持下的海图等深线化简

等深线化简是海图综合的重要研究内容。针对现有化简方法存在的化简弯曲识别不准确、化简不彻底等问题,提出了一种Delaunay三角网支持下的等深线化简算法。首先,对等深线构建约束Delaunay三角网,实现了等深线弯曲结构的二叉树表达;其次,基于约束Delaunay三角网结构,改善了等深线上需要化简弯曲的识别方法;最后,设计了多种化简手段,建立了新的等深线化简模型,实现了对等深线形状的彻底化简。实验结果表明,化简结果能够满足航行安全要求,等深线的主要弯曲特征得到了有效保持和清晰表达,化简精度符合制图要求,且能够有效避免自交。     

采用弯曲进行道路化简冲突避免的方法

针对道路化简后可能导致要素间空间关系前后不一致的问题,提出了一种采用弯曲进行道路化简冲突避免的方法。首先,以弯曲为单元分析道路化简前后弯曲的形态变化规律,对化简过程产生的要素间空间冲突类型进行了归纳和总结;其次,基于道路弯曲与要素之间的空间关系,提出了相应的冲突判别规则;最后,利用弯曲化简的可控性和弯曲组的间接化简策略实现对化简冲突的避免。试验表明,该方法能有效地识别和避免道路化简产生的空间冲突,确保化简前后道路与其他要素空间关系的一致性。     

顾及线状要素综合要求的Morphing算法

提出了一种基于弯曲结构匹配的线状要素Morphing方法。针对不同尺度下的线状要素,通过建立约束Delaunay三角网,根据三角形的不同特征构建能够表达弯曲特征层次性的多叉树。基于多叉树结构进行匹配得到对应弯曲,对对应弯曲进行重要性评价,以尺度为依据舍去次要弯曲,从而得到任意尺度下的中间图形。实验结果表明,所提出的利用弯曲结构匹配的线状要素Morphing方法满足线状要素的综合要求,能保持线状要素上的曲折系数和弯曲个数对比,实现光滑渐变的连续综合效果。     

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法

针对高分辨率遥感影像具有较为丰富的地物属性"谱相"信息和空间分布及其组合"图式"信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。     

基于Hilbert排列码与R树的海量LIDAR点云索引

本文分析当前索引方法存在问题,针对高效海量点云数据的要求,提出一种基于Hilbert码与R树的二级索引方法。论文阐述了二级索引的建立原理与方法,可通过聚类方法与R树度M值来的优化第一级索引;使用Hilbert R树作为第二索引,可以有效控制两级R树的高度,同时点云的增加与更新可只在局部进行。最后本文通过两组实验来验证该数据组织方法的可行性和跟其他索引(KD树与四叉树)进行比较,得出它是一种高效管理海量点云的方法。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。