一种基于多层次专题属性约束的空间异常探测方法

针对现有空间异常探测方法在构建空间邻近域以及准确探测各类空间异常模式方面的局限性,本文提出了一种基于多层次专题属性约束的空间异常探测方法(spatial outlier detection by considering multi-level thematic attribute constraints,MTACSOD)。首先采用层次约束Delaunay三角网构建合理、稳定的空间邻近域;进而根据空间邻接实体间的专题属性距离,针对各空间连通子图施加全局和局部约束;最后通过一个异常模式识别指标提取各类空间异常模式。该方法不需要人为输入参数,通过模拟实验比较和实际应用验证了本文方法的优越性和有效性。     

一种基于多约束的空间聚类方法

借助Delaunay三角网构建空间邻近关系的优势,通过施加不同层次、不同类型的约束,提出一种空间聚类的新方法。通过试验分析与比较发现,该算法可以探测复杂结构的空间簇,对噪声点稳健,并且能够同时顾及实体间空间位置与专题属性的相似性。     

基于Delaunay三角网的等高线树生成方法

研究如何利用Delaunay三角网构建等高线树,提出一种新的等高线树生成方法。该方法充分利用Delaunay三角网在领域分析中的优势,通过两次利用Delaunay三角网来判明等高线的空间关系进而达到统一被图廓截断的等高线以生成等高线树的目的。本文将等高线作为约束边构建约束型Delaunay三角网,利用Delaunay三角网查找具有邻接关系的等高线,在此基础上结合邻近等高线的高程关系判明、识别,最终统一被截断的等高线;然后对统一后的等高线再次利用Delaunay三角网查找具有邻接关系的等高线对,利用等高线对的高程关系判断出其为父子关系或兄弟关系,据此将等高线插入到相应的位置,逐步生长成等高线树。同时给出了基于Delaunay三角网的等高线树生成方法的算法设计及试验结果。     

融合图论与密度思想的混合空间聚类方法

提出了一种融合图论与密度思想的空间聚类方法——HGDSC。该方法首先借助附加约束的Delau-nay三角网来建立空间实体之间的邻接关系,然后对基于密度的聚类方法进行改进,顾及空间邻近与非空间属性相似性进行聚类。特别地,该方法只需要一个输入参数。模拟数据和实际数据验证表明,HGDSC方法能够发现任意形状和密度变化的空间簇,并且可以很好地识别噪声点。     

近景影像三角网内插点密集匹配方法

针对目前密集匹配中依据种子点寻找新特征点存在计算复杂的问题,该文提出一种近景影像Delaunay三角网内插点密集匹配方法。该方法首先采用尺度不变特征变换算子匹配特征点,通过随机抽样一致性算法对特征点进行优化,以获取高精度同名点;依据同名点构建Delaunay三角网,在同名相似三角形内,以内插重心点作为匹配基元,并对内插点进行色彩信息相似性约束和极线约束,剔除粗差提高匹配结果精度;在匹配传播过程中,新特征点不断插入三角网中,对三角网进行动态更新,用于约束后续匹配。该方法能够避免繁琐计算,同时具有较高的可靠性,适用于不同类型的近景影像数据。     

Delaunay三角网中任意约束线段嵌入算法研究

约束Delaunay三角网在地理信息系统、地学分析、表面对象重建、数字城市、虚拟现实等领域有着广泛的应用。约束线段嵌入是解决由Delaunay三角网转变为约束Delaunay三角网的一种有效的方法。本文重点研究约束线段嵌入Delaunay三角网的问题,通过分析约束线段与原三角网之间的关系,给出各种情况的约束线段的预处理方法,以迭代算法为基础,描述了任意约束线段嵌入Delaunay三角网的过程。     

Delaunay三角网中任意约束线段嵌入算法研究

约束Delaunay三角网在地理信息系统、地学分析、表面对象重建、数字城市、虚拟现实等领域有着广泛的应用.约束线段嵌入是解决由Delaunay三角网转变为约束Delaunay三角网的一种有效的方法.本文重点研究约束线段嵌入Delaunay三角网的问题,通过分析约束线段与原三角网之间的关系,给出各种情况的约束线段的预处理方法,以迭代算法为基础,描述了任意约束线段嵌入Delaunay三角网的过程.     

基于三角网光滑规则的LiDAR点云噪声剔除算法

通过对传统移动均值法、频率域信号分析等离散点云噪声剔除算法局限性的分析,结合LiDAR点云离散空间分布特性,本文提出一种基于三角网光滑规则的点云噪声剔除算法。该算法先快速生成离散点云的二维Delaunay三角网,并构建任意点的邻接拓扑关系,然后依据设定的光滑规则进行噪声信号点检测,并输出非噪声点信号。针对条带数据进行实验,结论表明本文算法适合离散点状噪声剔除,可较大程度提高点云数据的信噪比。     

Delaunay三角网的鄱阳湖水陆地形数据整合研究

针对如何提高水域的综合开发管理能力,实现水陆一体化地形整合的问题,该文在原有DEM格网数据整合的基础上,提出利用基于约束边Delaunay三角网方法进行水陆地形数据整合的方法,即利用迭代交换法实现约束线的嵌入,从而构建约束Delaunay三角网。以鄱阳湖为研究区域,以DEM格网数据和鄱阳湖岸线矢量数据为数据源,利用约束Delaunay三角网方法,创建基于岸线的Delaunay三角网,实现水陆地形无缝整合。实验结果表明,与利用DEM规则格网数据拼接方法进行比较分析,得出在岸线约束条件下构建的Delaunay三角网能更好地表达边缘处地形数据的整合,平滑效果较好。     

顾及属性空间分布不均的空间聚类方法——以城市商业中心的提取为例

针对Delaunay三角网空间聚类存在的不足,提出一种顾及属性空间分布不均的空间聚类方法。首先将Delaunay三角网空间位置聚类作为约束条件,采用广度优先搜索方法,以局部参数"属性变化率"作为阈值识别非空间属性相似簇的聚类过程。以城市商业中心为例,验证了该方法能够更客观地识别非空间属性相似的簇,且自适应属性阈值可以满足不同聚类需求,为城市商业中心等空间实体的提取提供了一种有效方法。     

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。     

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。     

一种空间交叉异常显著性判别的非参数检验方法

空间异常探测旨在从海量空间数据中挖掘不符合普适性规律、表现出“与众不同”特性的空间实体集合,对于揭示地理现象的特殊发展规律具有重要价值。现有研究在空间异常度量方面取得了重要进展,但多缺乏对空间异常模式显著性的统计判别,且是针对单一类别数据,没有顾及多类别数据间的相互影响。为此,本文基于空间随机过程的思想,针对两种类别空间点数据,提出了一种空间交叉异常显著性判别的非参数检验方法。首先,针对基本数据集实体,采用约束Delaunay三角网,构建合理、稳定的空间邻近域;然后,统计落在基本数据集实体空间参考邻域半径范围内的参考数据集实体的数目,度量初始异常度;进而,采用α-Shape法构建支撑域,以空间随机过程为基础构建零模型,采用蒙特卡洛模拟检验空间异常的显著性;最后,采用生存距离对异常模式的稳定性进行评价分析。通过试验分析与比较发现,该方法能够有效识别具有统计显著性的空间交叉异常。     

集聚型空间点模式结构信息提取研究

空间点模式是一个2维离散点集,点集中的每一个元素代表地球表面一个点状目标的空间位置。当2维离散点集具有集聚特征时,称其为集聚型空间点模式,它与空间聚类、制图综合和空间分析的许多具体应用紧密相关。如何提取集聚型空间点模式的结构信息(集聚子群的个数和对应的集聚中心)是其中尚未彻底解决的问题。作者以几何概率为理论基础,提出测度正方形区域内2维离散点集分布特征的H函数并推导其解析表达式,运用H函数设计和实现了集聚型2维离散点集结构信息提取的通用算法。利用该算法处理一个由居民地坐标数据得到的具有集聚特征的空间点模式,提取出其结构信息并进行可视表达。分别以该空间点模式中的各离散点为顶点和发生元生成Delaunay三角网和Voronoi图,在Delaunay三角网中保留面积最小的前1/10、前1/100三角形的顶点,在Voronoi图中保留面积最小的前1/10、前1/100邻近多边形的发生元,将可视表达的点集结构信息分别与依据Delaunay三角网和Voronoi图得到的结果进行对比分析。结果表明,运用H函数能够有效地提取出集聚型空间点模式的全局性结构信息,而Delaunay三角网和Voronoi图虽然能够反映其局部密度,但在提取全局结构信息时存在局限性。     

带约束折线的平面散点集Delaunay三角剖分

首先将原始散点与约束点一起进行三角剖分,形成初始Delaunay三角网,然后再将各条约束线段通过局部更新,依次嵌入已存在的三角网中,从而生成带有约束折线的平面散点集的Delaunay三角剖分。该算法思路简捷,易于编程,生成的三角网形态优良。     

顾及Gestalt邻近与简化原则的平面点集形状重建

针对经典Delaunay三角网平面点集形状重构方法存在的经验参数确定和容易出现不符合实际情况的碎洞问题,提出了一种顾及Gestalt邻近与简化原则的Delaunay三角网平面点集形状重构的算法SRGT。首先根据邻近性原则,采用双极差粗差探测技术来识别和定位Delaunay三角网中的极长边,逐步细化三角网中的内外边界;然后基于简化性原则,将形状重构的碎洞优化转化为粗差探测问题,并利用3σ粗差探测原则来实现碎洞的剔除。采用模拟与真实数据验证了本文算法的有效性。与4种经典算法（α-shape、χ-shape、边长比约束法以及∂RGG）进行对照试验,表明本文算法的优越性。模拟数据表明SRGT在面状点集为均匀或随机分布时,无须设置先验参数即可有效提取复杂形状的内外边界,并且L²误差范数值明显低于其余4种方法。真实案例的试验结果也表明本文算法在工程实践中具有良好应用效果。     

一种改进的地形三维建模方法

在利用逐点插入法建立Delaunay三角网的基础上,为快速搜索插入点所落入的三角形,引入了一种改进的空间栅格索引机制,并充分利用三角形的邻接关系进行三角形检索.提出了一种由三角形出发内插规则格网数字高程模型(DEM)的方法.试验表明,所提出的构建Delaunay三角网和内插格网DEM算法的效率较高.     

大量约束边条件下Delaunay三角网的快速生成

讨论了建立约束Delaunay三角网算法的研究现状,采用“逐点插入法”和“多对角线交换算法”构成“两步法”,在此基础上,从建立高精度三角网模型的需求出发,研究以大数据量等高线为约束边进行Delaunay三角剖分的改进算法。针对“逐点插入法”,采用网格分块的方法对构网点集和已生成的三角网建立索引,提高了点的查询速度和点在三角网中的定位速度,提高了三角网的生成效率;针对“多对角线交换算法”,增加了一些特殊情况的处理,提高了算法的健壮性和交换速度。     

人口普查地理区域自动划分技术研究

针对中国现阶段人口普查模式和基础地理数据的拥有现状,该文总结归纳了国际上现有人口普查地理区域划分的技术和方法,比较了它们各自的优缺点,提出了基于Delaunay三角网对人口普查区域自动划分的技术。介绍了Delaunay三角网的特性及其空间划分的理论基础,论述了基于Delaunay三角网的人口普查区域划分技术、方法、过程和步骤,最后给出了该技术实验和应用实例。     

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...