多边形化简前后相似度计算的一种方法

图形相似度计算是地图综合质量评价的主要依据。以往的文献对于地图综合方法研究的较多,而对于综合结果评价的方法却研究的较少。本文结合地图综合中多边形的化简过程与其化简规则,提出了多边形相似性描述的因子,并结合这些因子,给出了一个计算相似度的公式,从而为地图综合质量的评价提供了一个新的思路。实验结果表明,该方法简单有效。     

曲线演化理论的建筑物要素简化方法

针对在制图综合中,建筑物要素的简化一方面应逐步去除细节以达到简化目的;另一方面应保持其直角、面积、位置等特征,以符合空间表达和认知的基本规律这一问题,该文基于曲线演化理论,通过构造曲线的演化函数,提出建筑物要素自动连续简化的方法。利用曲率演化的思想,使多边形形状逐步规则;利用常值演化的方法保持多边形的面积;利用角度和重心的定义,保持多边形的直角特征和位置。实验结果显示,提出的简化方法能在连续尺度上进行自动简化,能保证建筑物多边形的直角、面积、位置等特征。     

面状居民地Morphing变换的转向角函数法

提出了一种基于转向角函数的面状居民地morphing方法。针对同名居民地实体在两个不同比例尺下的表达,将传统矢量GIS的坐标串表达形式转为转向角函数表达形式,基于转向角函数分析多边形边特征在不同比例尺下的共性与差异,融合得到了任意中间比例尺下的多边形的转向角函数,最后将中间比例尺下的转向角函数还原为矢量坐标串形式,获得多边形在对应尺度的中间插值形状。试验证明,本文提出的基于转向角函数的面状居民地morphing方法对面状居民地多边形具有较好的适应性,能在保持直角化边界特征的前提下实现连续地图综合与多尺度表达。     

硬多边形名称注记定位线确定的拓扑图形化简模型研究

本文根据地图上的硬多边图形特点,结合名称注记定位要求,将其分为凸硬多边形与凹硬多边形两种形式.建立在拓扑特征分析基础上,提出了对称凹顶点与非对称凹顶点等概念、理论与基础模型体系,最后提出了硬多边形名称注记定位线确定模型.理论与实验分析表明所提出的概念与模型逻辑严密、结论正确,对硬多边形地图要素名称注记自动定位具有基础支持作用,也对数字环境下硬多边形地图要素自动制图综合中的图形简化具有一定的借鉴意义.     

建筑物白模多边形的自动合并

建筑物白模多边形数据可广泛应用于许多领域,但在实际应用中,由于数据太过细致,且目前使用的建筑物白模多边形数据存在拓扑关系错误,不满足生产要求,这给地图综合中建筑物群的自动合并提出了新的要求.因此提出了一种基于约束性Delaunay三角网的建筑物白模多边形自动合并方法,在保持建筑物整体结构和视觉效果的前提下减少不必要的细...     

多边形直角房屋外墙体一半面积计算模型的研究

在不动产测量中,计算外墙体一半面积的数学模型,只有针对四边形直角房屋的数学模型,而对于多边形直角房屋计算外墙体一半面积的数学模型还没有发现,这给分析多边形直角房屋外墙体一半面积的精度带来困难,本文通过研究分析,推导出了多边形直角房屋外墙体一半面积的数学模型,供研究面积精度者参考。     

一种连续直线自动合并为多边形的算法

在地图矢量化或自动综合过程中经常需要处理连续直线融合为多边形的问题。在GIS程序开发的实践过程中提出了一种高效的自动合并算法。实验结果表明,该方法具有高效、准确的特点,可应用于矢量化、多边形自动综合等场合,具有一定的实践推广价值。     

土地利用数据库综合中图斑拓扑关系的创建和一致性维护

以LANDUSE-DAT文件为例，论述了土地利用地图综合中图斑多边形拓扑关系的特点、数据结构定义及生成方法，阐述了土地数据库综合过程中图斑拓扑关系一致性的维护方法。     

基于场论分析的建筑物群的移位

在多边形群目标综合中,移位是一种旨在解决空间邻近冲突的重要操作.以建筑物群在街道拓宽后产生移位操作为例,提出一种基于场论分析的移位方法,认为街区块多边形边界的收缩产生向街区块内部逐步传递并衰减的作用力,从而促使建筑物多边形的空间位置移动,借助于物理学场论中的"等势线"模型来表达这一移位现象.基于Delaunay三角网建立了类似于Voronoi图的建筑物群剖分结构,用于表达移位场模型的"等距离关系曲线".在移位场中目标的运动方向与运动距离由矢量和运算及梯度衰减函数计算完成.算法思想在一地图综合软件系统中已实现.     

地图服务引擎中虚拟电子围栏的实现方法

针对地理信息应用中区域地图定制应用的需求,提出了地图服务引擎中虚拟电子围栏的建设思路。通过在地图服务引擎中集成电子围栏功能,实现对返回数据的在线定制和处理;同时重点针对返回格式为位图的情况,将矢量多边形相交算法转化为离散点在多边形内的计算,提出了基于全局的二值掩膜生成算法,并采用地图综合技术对电子围栏数据进行综合,实现了对地理信息服务的灵活快速处理。研究成果已集成到智慧武汉时空信息云平台,应用于市、区、街道的专题系统建设中,实现了基于同一套数据的区域定制应用。     

建筑物多边形高精度识别的傅里叶形状描述子神经网络方法EI北大核心CSCD

形状识别是地图空间认知的重要内容之一,结合有效的形状特征向量提取方法和空间认知试验的神经网络方法是提高形状识别的有效途径。本文构建了一种融合了圆形度、偏心率和矩形度等宏观形状特征参量的傅里叶形状描述子作为形状特征向量的神经网络建筑多边形状识别器。首先,利用傅里叶变换和计算几何方法分别提取建筑多边形的傅里叶形状描述子及圆形度、偏心率、矩形度参量,并组成形状特征向量。然后,通过样本数据的训练实现了建筑多边形与形状模板之间匹配的神经网络识别器。结果表明,本文方法相较于以往的方法大幅度提高了精度(达到98.7%),而且特征提取算法不受多边形点数不一致的限制。通过对武汉、郑州两大城市的真实建筑物数据进行形状识别,证实该方法具有较好的识别效果。     

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。     

支持地图综合的面状目标约束Delaunay三角网剖分

针对多边形面状目标的综合问题,建立了二维空间中约束Ｄｅｌａｕｎａｙ三角网剖分结构,融入多边形的环、岛屿、边界、顶点的描述,通过形式化条件检索,在该结构上提取二维空间中各种感兴趣的由剖分三角形组成的区域,用于支持地图综合中邻近多边形的搜索、多边形弯曲部位的识别、冲突关系探测、多边形合并等操作。并对基于骨架线的图结构建立、分枝宽度计算等几何问题进行了详细讨论,指出了其在诸如双线河中轴化、街道中轴线网络模型建立、多边形合并中的邻近关系分析、面状目标注记自动定位领域的支持作用。     

基于特征边重构的建筑物化简方法

针对轮廓模糊建筑物多边形的化简问题,提出一种基于特征边重构的建筑物化简方法。该方法定义了建筑物的主方向和控制其整体结构的特征边,以保持建筑物的规则形态。首先利用统计加权方法计算建筑物的主方向,基于主方向对建筑物执行直角化操作。然后按照特征边的定义检测直角化建筑物的特征边,将特征边组合并抽象出几种局部结构,建立重组规则。最后通过判别特征边组合的空间关系,选择合适的结构重组规则来化简建筑物。结合真实数据进行多组试验,结果表明该方法有效还原了建筑物的直角特征,面积和形状保持良好,适用性强。     

An integrated framework for linear pattern extraction in the building group generalization process

Building pattern extraction is an essential step in building generalization. Although many studies have already been conducted, there is a lack of a framework for extracting building patterns. To overcome this problem, an integrated framework for extracting building linear patterns is presented. First, an aggregation function is presented based on the TOPSIS method, which determines the similarity index in terms of area, shape, rectangularity and distance similarities. This results in the extraction of straight and perpendicular patterns using the similarity index and orientation difference criteria. Second, a refinement strategy is proposed, which refines the extracted patterns using a novel definition of the pattern interaction index. To evaluate the proposed model, the complete building group generalization process is implemented using a data-set at 1:25 k scale. The evaluation results allowed us to conclude that the proposed model produces meaningful results, and therefore it would be beneficial in the generalization process.     

基于滚球法的面要素聚合

在自动制图综合中,面要素聚合较为常用的方法是利用聚类方法将面要素聚类为若干个类簇,进而将每个类簇合并为更大的多边形图斑。针对地图制图领域的前沿研究课题——地图自动综合,该文提出了一种基于滚球法的面状要素聚合的新方法,通过实验阐述了该方法在居民地等面要素综合中的应用,并与传统的聚合算法进行了效率上的对比分析。该方法较传统的聚合方法效率上有很大提高,在大数据量聚合中有一定的应用前景,当选择合适的滚球半径进行综合时,有较理想的结果。     

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。