地图水系综合中等高线簇与河网协同的汇水区域提取方法

在地图水系自动综合中河流选取需要建立对不同河流重要性程度的有效判别。由于河流汇水区域直接反映河流的作用空间,因而其面积大小成为关键性的量化指标。目前基于河流的汇水区域自动提取方法主要从河流单一要素出发,按“空间均衡竞争”思想平分河流之间的区域,由于未考虑地形因素使得提取的汇水区域往往存在偏差,而传统基于DEM的汇水区域提取虽然考虑了地形,但没有与河流目标建立显性的对应关系。河流是一种天然的沟谷地性线,与山脊线具有对生互补的空间耦合关系,本文提出了一种等高线簇与河网双要素协同的河流汇水区域提取方法,该方法对河流与等高线的目标集合构建约束Delaunay三角网(CD-TIN)并将三角形分类,对不同类型的三角形分别采用骨架线提取规则与梯度向量引导的分水线搜索规则提取分水线段,连接形成网络结构并依此计算各河段的汇水区域。实验结果表明,本算法能更准确地提取河流汇水区域,从而为河流综合选取提供有效支持。     

运用Delaunay三角网提取OpenStreetMap主干道多边形

众源开放街道地图(OpenStreetMap,OSM)作为志愿者地理信息的典型代表,其数据质量制约了城市主干道提取。为此,引入约束Delaunay三角网,运用类似Voronoi图的空间等剖分几何构造表达道路线密度,通过线密度变化与三角形边长表征主干道形态特征,并集成两个指标构建主干道识别模型;类比林火蔓延扩展过程,提出了基于Delaunay三角网的OSM主干道多边形提取方法。运用5个城市的OSM数据进行实验,结果表明,该方法能有效提取主干道多边形,并且与OSM路网中的道路等级属性趋于一致。     

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。     

泰森多边形和狄洛尼三角网的林木空间格局分析

Voronoi图依据地物之间邻近关系对空间进行剖分,Delaunay三角网是Voronoi图的对偶图.文章以单株木为平面点构建Voronoi图和Delaunay三角网,Voronoi图多边形面积表示林木影响范围,Delaunay三角网中每个三角形边长表示对应林木之间距离.在岳阳平江福寿林场设置12块标准地进行试验,计算基于Voronoi图的角尺度、传统的角尺度、基于Delaunay三角网的集聚指数和Voronoi图多边形面积的变异系数,结果表明:这4个指数均能反映样地林木之间的空间分布,变异系数对空间均匀分布和聚集分布有较好的区分度.     

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     

多约束的平面点集形状重构方法

针对平面点集空间分布的复杂性,本文提出了一种基于Delaunay三角网的平面点集形状重构方法。首先采用一种简单且实用的数据结构以表达Delaunay三角网中嵌入的几何信息和拓扑信息,然后由外向内迭代过滤Delaunay三角网得到一个大概边界,最后进一步考虑边界的凹凸信息和空洞现象,获取最终的精细边界。试验结果表明与其他典型的Delaunay三角网重构方法相比,本文提出的算法能更好地适用于平面点集空间分布的复杂性,通过所构建的数学模型实现了凸凹多边形内外边界提取。     

基于Delaunay三角剖分的多尺度POI提取技术研究与实现

简要概括了电子地图图面表达中多尺度POI分布的重要性,分析了Delaunay三角剖分算法和POI分级原则,提出了基于Delaunay三角剖分增量算法,添加三角网面积、边长及POI权重作为约束条件的多尺度POI提取技术,并在多城市电子地图制作中实践,验证了该方法的可行性。     

一种适于空间特征探测的三角网模型

对地理数据所隐含空间特征的探测是GIS理论研究和工程应用的关键问题之一。提出了一种基于Delaunay三角网的空间特征探测模型,该模型可用于点、线、面等多种几何类型的多种空间特征的探测,如点群目标的空间分布范围、分布密度和分布轴线探测,线目标的弯曲特征探测,多边形目标的瓶颈区域探测,多边形群的分组聚类特征探测等。实验证...     

河流自动选取中的分级优化

水系是具有高度结构化特征的复杂空间数据,在不同水文条件和地形环境下发育的水系形态可以表现为多种模式,如格状河系、羽毛状河系、平行状河系等,使得水系选取具有较大难度。探讨了河流分级(汇流区域特征)、河网结构层次化(河流分布的地理特征)与水系选取之间的关系,提出了基于流域的河流自动选取,从河流的局部重要性出发,考虑河流的分级主要基于两点:一是确定选取单元为流域;二是对流域内河流通过等级关系选取高等级河流,同等级间河流根据长度、密度、河流间距离等综合指标进行选取。     

一种基于Delaunay三角网的栅格线划矢量化方法

提出了一种基于Delaunay三角网的栅格线划矢量化方法。通过运用Delaunay三角网对栅格线划要素进行空间剖分,并根据单个Delaunay三角形的形状特征,提取线划要素骨架线。以栅格地图预处理、线划要素实体识别、线划要素边缘点集生成、线划要素边缘点集Delaunay三角网生成,以及基于Delaunay三角形公共边中点追踪的线划要素骨架线提取为技术路线,详细介绍栅格线划矢量化的具体实现过程,并进行若干实验,以验证方法的准确性与时效性。     

一种基于最优三角剖分的多分辨率地表描述结构

在Guibas平面剖分算法的基础上,采用一种称之为Delaunaypyramid的塔型分层结构模型来近似描述二维半地形表面,该模型能够记录离散高程点数据集的每个子集在XOY平面的最优三角剖分,对于地形数据压缩和多细节层次化描述有很大的便利。同时文中也分析了采用这种结构的内存开销和时间复杂度,讨论了离散数据点定位的方法,并运用该结构交互生成三维地形。     

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。     

多条海岸线协同化简的层次化三角网分区法

针对当前海岸线自动综合方法仅考虑单条线要素,未有效考虑其与附近海岸线之间的空间邻近关系,提出一种用于多条海岸线协同化简的层次化三角网分区法。首先,利用约束Delaunay三角网对能否化简的区域进行划分和标识;然后,利用二叉树构建层次关系模型,对各区域实体进行有序组织;最后,有序地对可化简的标识区域进行渐进式化简,并对局部狭窄区域进行自适应夸大,从而实现多海岸线的协同化简。试验结果表明:本文方法可克服复杂区域海岸线化简产生的图理性问题,可明显提高海岸线的化简质量。     

空间网络对时序InSAR相位解缠的影响——以Delaunay与Dijkstra网络为例EI北大核心CSCD

在时间序列InSAR相位解缠的过程中,相干目标需事先构建空间网络之后再进行模糊度解算。Delaunay三角网是当前时序相位解缠的主流构网方法,但其网络形态易包含高相位梯度的边缘,导致违背相位连续性假设。考虑到目前很少有关于空间网络对解缠影响的研究及相位解缠对InSAR技术测量精度的主导地位,本文在量化分析Delaunay网络对解缠影响的基础上,提出引入图论中的Dijkstra最短路径算法优化Delaunay网络中所有边的相位梯度,进而改善时序相位解缠的精度。本文采用模拟和真实数据对基于Delaunay网络和基于优化网络的相位解缠进行了对比验证。结果表明,本文提出的构网方法能够更好地满足相位连续性假设,减少约33%由解缠误差所导致的不闭合三角环数。较传统研究聚焦解缠方法和目标函数的改进而言,本文研究揭示了空间网络的改善对时间序列相位解缠的重要性。     

基于Delaunay三角网的河流中线提取方法

鉴于水系自动综合中河系数据模型建立的复杂性,利用ArcObject提供的组件在双线河和狭长湖泊间构建约束的Delaunay三角网,继而提取其骨架线,从而得到双线河和狭长湖泊的中轴线,之后进行拓扑关系的保持,有效地简化了水系数据模型的建立,为后续的空间分析打下基础。     

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。     

数字海图点群状特征的识别、量测与综合

空间分布特征的保持是点群自动综合的核心和难点所在,为此,本文定义了4个参量：分布范围、分布密度、分布中心和分布轴线,来描述点群目标的结构化信息。利用Delaunay三角网和Voronoi图两种模型,着重探讨了点群分布特征的识别和量测问题,并在识别与量测的基础上,通过Voronoi图的动态构建,给出了点群自动综合模型,通过实际岛群数据的检测,证明了模型的正确性与可行性。     

Delaunay三角网约束下的影像稳健匹配方法

影像匹配是数字摄影测量和计算机视觉领域的关键问题。本文主要研究基于Delaunay三角网约束下的稳健影像匹配方法。首先利用Delaunay三角网对随机初始匹配点进行组织,构建分布均匀、结构稳定的局部连接关系;其次利用线段描述子和空间角度顺序建立了局部辐射和几何约束模型,并将粗差剔除问题转换为分析Delaunay三角网和对应匹配图的相似性问题;然后利用对应三角形局部约束实现匹配扩展;最后在分层策略和交叉验证策略下实现稳健影像匹配。利用3组数据集进行大量的匹配试验,结果表明本文的匹配算法即使在高外点率下依然能够实现稳健粗差剔除,得到高精度的影像匹配结果。     

一种顾及障碍约束的空间聚类方法

为了使得空间聚类分析更加适应实际情况,发展了一种同时顾及空间障碍约束与空间位置邻近的空间聚类方法。该方法采用Delaunay三角网描述实体间的邻近关系,并且不依赖用户指定参数。实验验证了本方法的有效性与优越性。