面向海图综合的复杂海底地形区域识别

复杂海底地形区域识别是实现海图自动制图综合的必要环节。从服务海图水深注记选取的角度,提出一种面向海图制图综合的复杂海底地形区域自动识别方法。首先,对复杂海底地形的概念和主要特征进行了分析,据此提出了对应的地形特征量化参数;其次,通过对每个水深注记地形特征的度量,筛选出复杂地形特征水深注记;最后,利用聚类技术对提取的复杂地形特征水深注记进行群组划分,并提取出每个群组的边界多边形,从而得到每块复杂海底地形区域的范围。实验表明,各种复杂海底地形区域都能被有效识别,且识别结果与人工识别结果基本一致。     

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。     

电子地图动态注记自动配置的方法

分类实现了数据库中点、线、面状要素名称注记的自动配置,重点实现线状要素和面状要素的注记自动配置,并提出了适合屏幕浏览的动态注记自动配置算法。最终将算法应用于地图自动综合软件GenTools中,旨在提高电子地图动态注记自动配置的自动化程度与注记质量,促使注记自动配置研究成果的实用化。     

一种彩色栅格地图注记识别方法

栅格地图中的注记包含了丰富的地理位置信息,传统的栅格地图注记识别方法在识别过程中将注记和其对应的地理要素相分离,因此难以处理倾斜注记和弯曲注记。以连通域单元为基本处理对象,提出了一种基于几何特征的彩色栅格地图注记识别方法。首先利用连通域单元的方向、尺寸、密度、邻域四个特征提取注记像素集合,然后通过地理要素中心线对非水平注记进行方向确定,最后对注记进行聚类和重新排列,完成注记识别。通过对GoogleMap（谷歌地图）瓦片中的注记进行提取和识别实验,证明了该方法的合理性和有效性。     

顾及空间分布与注记相关性的点要素注记配置算法EI北大核心CSCD

点状要素注记自动配置问题是数据可视化研究的难点之一。稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题。本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法。首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,利用点要素的局部空间分布特征和注记相关性构建基于增序注记关联度模型的注记次序规则,并采用多层次元启发算法求解注记配置的近似最优解。试验结果表明:在5%~40%注记密度下的点要素注记配置,新算法较传统元启发式算法的求解效率提高10.41%~28.92%,注记质量评价函数值下降5.5~35.9,有效提升了点要素注记配置的效率和质量。     

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.     

点云数据在兰州地铁中的应用

针对提取隧道点云中轴线3种不同算法,选择更加适合海量点云中轴线提取的算法。首先对隧道点云进行坐标转换,按里程对隧道点云进行连续正交断面的提取,将得到的断面通过椭圆模型进行粗差剔除;其次采用RGB颜色变化值表示断面的收敛扩张情况,通过柱状图、折线图表示断面形变特征;最后对隧道曲线段点云数据进行中轴线的提取,并进行平曲线要素的自动提取,为隧道平曲线主点位置识别、平曲线要素提取提供一种新途径。     

海图水深注记的基准更新方法研究

建立统一、规范的深度基准体系是海洋测绘成果应用的基本保证。为了消除目前海图应用中水深注记基准面不一致的影响,本文在以往研究成果的基础上,提出了以平均海面基准为中介的海图新旧深度基准的转换体系,并以某实验海区水深数据为例,构建了基于深度基准面更新模型的海图水深注记的更新方法。经试验验证效果良好。     

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.     

一种顾及道路影响的点状要素注记自动配置模型

针对制图过程中点状要素数量巨大且分布密集的时候,传统注记配置方法无法兼顾解决注记压盖、歧义,同时减少时间耗费的问题,该文提出了一种基于图论的点状要素注记配置模型。该模型在考虑传统点状要素注记配置问题的同时,还可以附加考虑其他影响注记位置摆放的条件,并将其形式化表达为最大团问题;随后使用一种基于禁忌搜索策略的启发式算法来求解该最大团问题,从而得到注记配置问题的解;该模型有效地提高了注记配置问题的求解效率,较好地平衡了注记位置压盖和位置歧义的关系。最后,该文具体以沿道路分布的点状要素注记配置模式为例进行实验,证明了该注记自动配置模型可以有效地增强地图的可读性和美观性。     

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。     

结合高光谱像素级信息和CNN的玉米种子品种识别模型

玉米作为中国重要粮食作物,品种众多,易出现错分现象,影响农业安全和粮食生产。针对传统基于卷积神经网络CNN（Convolutional Neural Network）的高光谱图像作物品种识别模型所需建模样本数量巨大的问题,提出基于高光谱像素级信息和CNN的玉米种子品种识别模型。首先,获取不同品种玉米种子在400—1000 nm范围内的高光谱图像,提取样本全部像素的203维光谱信息,利用主成分分析PCA（Principal Component Analysis）算法将光谱维度降至8维。在实验中,样本的像素级光谱信息（即：样本的全部像素的光谱信息）除应用于CNN模型外,也应用于支持向量机（SVM）和K近邻分类（KNN）模型中,结果表明：在相同模型中,基于像素级光谱信息比基于米粒级光谱信息（即：每粒样本所有像素光谱信息的平均值）识别效果好;在相同情况下,CNN模型比SVM和KNN模型的识别效果好;基于像素级光谱信息和CNN的品种识别模型识别效果最稳定,依据像素级分类结果采用多数投票策略对玉米种子样本进行识别,样本识别精度高达100%（注：100%为建模集样本与测试集样本数量为0.27和0.32时的识别精度,随着测试集样本数量的增加,该识别精度将有所降低）。最后,使用t分布随机邻域嵌入（t-SNE）算法实现CNN输出特征值的可视化,验证了基于高光谱像素级信息和CNN的品种识别模型的有效性。在建模样本极少的情况下,实现了玉米种子品种的无损、高效识别,为精准农业提供了理论基础。     

基于改进中线法的电子海图岛屿面状注记自动配置研究

在电子海图岛屿动态注记中,需要在比例尺变化时,同时考虑注记配置的准确度和运算的效率。现有的面状注记配置算法,不适用于同一水平或垂直线上有多个顶点的情况,且其较多地适用于静态注记配置。本文基于中线法进行改进,通过先求取单个注记字体的水平位置,再反向求取垂直位置来确定注记字体的大小。最后通过字体调整来实现注记的动态配置。实验表明,该算法有效地提高了电子海图岛屿动态注记自动配置的准确度和运算效率。     

宽泛地理注记的投放模型

针对网络地图服务环境中的地理注记评价问题,对传统地理注记内容进行非结构化文本形式扩展,定义宽泛地理注记,用投放过程来模型化标注行为首先,依据词频分类方法确定地理注记文本内容分类,并根据Voronoi k阶邻近关系建立投放邻域的空间相关性定量收敛描述,进而结合地理注记文本与地理注记存在邻域构建基于地理注记类型与类型转化的投放模型实验结果表明,在已知两种类型地理注记集的实际情况下,投放模型能够有效地对新增地理注记进行合理性评价.     

联合局部二值模式的CNN高光谱图像分类

卷积神经网络CNN（Convolutional Neural Networks）具有强大的特征提取能力，应用于高光谱图像特征提取取得了良好的效果，双通道CNN模型能够分别提取高光谱图像的光谱特征和空间特征，并实现了特征的决策级融合。局部二值模式LBP（Local Binary Patterns）是一种简单但有效的空间特征描述算子，能够减轻CNN特征提取的压力并提高分类精度。为了充分利用CNN的特征提取能力及LBP特征的判别能力，提出一种双通道CNN和LBP相结合的高光谱图像分类方法，首先，采用1维CNN（1D-CNN）模型处理原始高光谱数据提取深层光谱特征，同时采用另一个1D-CNN模型处理LBP特征数据进一步提取深层空间特征，然后，将两个CNN模型的全连接层进行连接，实现深层光谱特征和空间特征的融合，并将融合特征输入到分类层中完成分类。实验结果表明，该方法在Indian Pines数据、Pavia University数据及Salinas数据上能够分别取得98.54%、99.73%、99.56%的分类精度，甚至在有限数量的训练样本条件下也能取得较好的分类效果。     

线要素几何信息量度量方法"

提出了基于弯曲的线要素几何信息量的度量方法。首先利用拐点识别线要素弯曲,将线要素几何结构分解为一组有序弯曲。进而基于地图信息产生的差异性和多样性特征本质,从元素层次的弯曲形态、邻域层次的弯曲拓扑和整体层次的弯曲分布来描述弯曲序列的空间特征,并提出相应的几何信息分类,即弯曲几何形状信息、弯曲几何拓扑信息和弯曲几何分布信息。然后针对不同类型的几何信息,分别建立各层次空间特征描述指标,在此基础上提出相应的信息量度量方法。实验验证了本文方法的可行性和合理性。     

改进的地图制图点注记配置探测信息模型

点注记作为地图信息传输的媒介之一,是地图不可或缺的组成部分。以往对点注记的自动化配置研究主要考虑注记的冲突问题,忽略了背景要素的空间分布与结构特征,而背景要素分布结构与点注记质量密切相关。本文以注记清晰性、指代明确性、配置均匀性和归属正确性规则为出发点,构建点注记质量与背景要素的相关性量化描述,提出一种改进的探测信息模型。模型顾及了要素拓扑关系、数据结构、视觉位置、行政区划所导致的探测信息量的差异性,以国家1∶100万基础地理信息数据为例,将研究结果与第一代模型以及Maplex进行对比验证分析。试验表明,本文模型能够进一步减少局部区域的探测信息量,有效规避了背景要素,提升了注记的清晰性与可读性。     

基于可移动区域的点状要素注记配置

注记候选位置的确定是注记配置的重要基础,直接影响到注记算法的实现方式和最终配置效果。现有注记研究广泛使用的注记模型,其候选位置未充分利用图面空间,一定程度上制约了注记效果的进一步提升。在此背景下,提出注记候选区域模型,以要素邻域内所有无冲突压盖的候选区域作为注记配置基础,在考虑点、线、面要素压盖的前提下完成点注记配置。同其他研究相比,该算法在注记结果上取得较大提高,能更好地满足地图生产需要。     

基于拓扑关系的面状地形要素提取方法

针对地形要素提取工作量大的问题,提出一种基于空间拓扑关系的面状地形要素自动提取方法。通过对比分析AutoCAD数据与GIS数据的差异,对地形要素提取中的关键问题进行了分析;运用多要素组合拓扑构面的方法完成图形的快速构建,利用独立符号或文字注记与图形的包含关系完成图形的检查,建立图形与分类编码的映射关系实现分类信息的自动识别。实验表明,该方法对于面状地形要素的提取快速、准确,目前已在多个港区的空间数据建库中得到验证,提高了数据生产的工作效率。     

一种基于水深点坡向关系的特征浅点提取方法

针对当前手工作业选取水深特征浅点效率低、易发生遗漏等不足,提出了一种基于数字海图水深点坡向关系的特征浅点提取方法。在对水深数据进行加权Delaunay三角网构建的基础上,利用空间规则确定不同水深点间的坡向关系,提取水深点集的隐含特征线,最后实现水深特征浅点的自动提取。试验证明:本文方法有效可行,可明显提高水深特征浅点提取的效率,避免水深特征浅点的遗漏。