采用密度聚类算法的兴趣点数据可视化方法

针对目前对兴趣点数据的主要可视化方法均无法从宏观角度清晰地描述其分布规律及特征的问题,提出了基于密度聚类算法DBSCAN的兴趣点可视化方法。采用DBSCAN算法对兴趣点数据进行聚类及可视化,既有效地解决大数据量时兴趣点数据重叠遮盖的问题,又在宏观角度上发现其分布规律且在细节层次上保持数据的位置精确度。在学区房选址的应用中,将常用的兴趣点可视化方法与聚类可视化相结合,可以较为直观地选取合适的学区房。     

道路网约束下的城市兴趣点选取

针对道路对城市内部兴趣点数据分布有密切的约束关系,故城市内POI数据往往呈现出沿着道路分布的特征这一现象,提出一种在道路网约束下城市内部POI数据的选取算法。通过建立道路网的拓扑结构,根据POI数据的分布位置分为道路周边分布的和远离道路分布的两大类,对道路周边的点使用"间苗法"选取,对远离道路分布的点根据其分布模式决定采用"随机法"或其他方法选取。算法采用实际数据进行实验,切实可行,并得到了合理的结果。     

海底底质分类反向散射强度三维概率密度法

反向散射强度随入射角变化信息蕴含海底底质特性,是多波束海底底质分类的重要数据源。目前,多波束海底底质分类主要提取平均反向散射强度随入射角的变化信息或基于声呐图像,没有综合考虑两者的相关信息。本文综合考虑平均反向散射强度随入射角变化信息及其概率密度分布,绘制三维概率密度图,提出了基于反向散射强度三维概率密度图的海底底质分类方法。实例计算结果表明:该方法能直观表达多波束条带覆盖区内不同海底底质类型的数量,有效判断不同海底底质类型的边界,实现海底底质类型的快速识别。     

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。     

基于Bootstrap区间估计的InSAR同质点探测方法研究

针对传统同质点探测方法 KS检验检验效率低的问题,提出一种利用伽马分布作为前验信息及Bootstrap区间估计探测同质点的方法,实验表明:本文提出的方法能够有效地探测完成同质点的探测,有效地提高了数据检验的效率,为相干性的无偏估计提供了较好的条件。     

海洋底质专题数字图的生成技术与方法

本文研究海洋底质专题数字图的设计原则以及如何利用海洋底质调查表格数据生成海洋底质专题数字图。分析了海洋底质表格数据的存储内容与结构,确定了海洋底质专题数字图的数据模型。经过对数据模型的转换以及专题制图要素的处理,建立了海洋底质专题数字图成图系统。最后以实例阐述了利用成图系统生成海洋底质数字专题图的技术与方法,实现了海洋底质信息数据应用的可视化。     

区域内插点的分布对GPS高程异常的影响

在GPS高程异常拟合中,选取分布不同的内插点,采用二次曲面、BP神经网络和RBF神经网络3种方法,对两种点位分布情况进行高程异常值的拟合。拟合后的数据采用了格拉布斯准则检验各种拟合模型的外推点数据的粗差情况,并查找剔除粗差。分别对两种情况进行精度分析,评定不同内插点的分布对高程异常的影响。实例分析证明,在实验地区均匀分布的内插点,无论是内插点的精度,还是外推点的推估精度都有明显的提高,合理地选取内插点,有利于高程异常精度的提高。     

路网约束下的点群状居民地选取方法

点群状居民地的空间分布与路网结构相互影响。提出了一种路网约束下的点群状居民地选取方法。首先以路段为单元构建道路Voronoi图来划分区域,在合并面积过小的区域后对点群状居民地进行分区;然后计算每个区域中点的权值并进行选取;最后对间距小于冲突距离阈值的密集点群进行处理。将该方法用于点群状居民地的实例数据进行验证,结果表明该方法能有效保持点群状居民地的空间分布特征和密度对比。     

顾及时空特性的SBAS高质量点选取算法

SBAS技术中常用的相干系数选点方法受旁瓣效应的影响,容易造成部分高质量点的漏选以及低质量点的误选。针对这一问题,本文提出了顾及时空特性的SBAS高质量点选取算法,根据干涉相位各个成分的空间特性,分离出噪声相位判别点的质量。试验表明考虑同质点的Non-Local滤波能够更加可靠地提取干涉相位中的空间相关相位,从而提高噪声相位估计的准确性。利用覆盖上海地区1992—1998年的24景JERS-1影像作为试验数据,分别用相干系数法以及本文的方法进行选点。结果表明本文算法能够有效地选出相干系数法在农田与村落交错地区漏选的高质量点,同时排除了相干系数法由于旁瓣效应影响的误选点。     

基于点云数据的山区建筑物屋顶轮廓线提取研究

山区建筑物由于地势起伏大、周边植被茂盛等特点使得传统屋顶轮廓线提取算法应用效果较差。根据研究区域的地理特征,对轮廓线提取算法进行了改进,即以点云数据的曲率值为影响因子来评价离散程度,对离散程度高的数据选取曲率的最小值为种子点,对离散程度低的数据选取曲率的平均值为种子点。该方法与传统轮廓线提取算法相比,提高了屋顶轮廓线提取结果的精确度和连续性。