面向自动综合的河系结构化模型研究

针对地图上河流的自动综合,建立了基于河段的河系结构化数据模型,该模型充分考虑了河段与河段、河段与面状水系要素之间的空间关系,以及河系河段的层次关系;建立了一种面向自动综合的河系结构化数据模型,模型包含了大量水系综合所需要的信息。基于上述数据模型,设计了一种方便快捷的河系结构化算法,该算法较好地克服了现有河系结构化算法只针对河流以及只适用于形态相对简单的河系的缺陷,较为全面地考虑了河系结构中出现的各种复杂问题,具有较强的实用性。     

树状河系自动绘制的结构化实现

计算机的出现和信息论的发展,使制图自动化在技术上和理论上得到了迅速发展。然而由于目前软件系统还不能代替制图工作者的创造性思维,在制图过程中仍需要大量的专业知识以及人机对话,尤其在符号化大面积的河流时,重复的河流宽度手工设置过程大大增加了制图人员的工作量。提出河系绘制结构化实现的思想,将由多条单线河流组成的树状河系通过其结构实现自动符号化,希望能减轻制图人员的负担。     

基于图论的树状河系结构化绘制模型研究

结合树状河系自身的结构特点和图论的思想,提出了基于图论的河系结构化绘制模型的建立,利用图论的思想描述了河系的结构并建立其自动符号化模型,阐述了主流、流向自动确定和结构化绘制实现的详细算法,并对通用图形数据格式DXF文件记录的河系数据进行了测试。     

自动综合的结构化实现

以河系、地貌及点群目标为例,建立了一个基于图论、分形学和计算几何的完整的结构化制图综合理论体系,并提供了有序化的操作方法。     

主流识别的多准则决策模型及其在河系结构化中的应用

在河系拓扑数据的基础上建立两种面向河系空间知识的数据模型:基于河段的数据模型和基于河流实体的数据模型.将多准则决策中的最大隶属度带权平均规划法用于河系各级主流的识别,该方法考虑主流选取中的各种因素,并将各因素的重要性用权向量的形式表示出来.还提出一种基于主流识别的河系结构化方法,将河系结构化的过程看作是确定各级主流的不断重复迭代的过程.最后将主流识别方法用于河系结构化中,并获取了进一步的树结构信息.实验证明,该方法在实用性和准确性方面都能达到满意的效果.     

基于BP神经网络的河系自动综合研究

在分析河流选取影响因素的基础上,结合BP神经网络的改进,给出了河流自动选取BP神经网络的结构模型,并通过实例提供了网络参数、实现过程和试验结果。     

自动综合的结构化实现

以河系、地貌及点群目标为例，建立了一个基于图论、分形学和计算几何的完善的结构化制图综合理论体系，并提供了有序化的操作方法。     

树状河系主流的自动推理

分析了不同类型河系的空间特征,对非网状河系以180°假设和锐角假设为基础,改进了自动确定河段流向的定量化决策表,当出现流向冲突时,遵守少数服从多数的原则。参考河段的流向、节点处分支河段的累计河段数和累计长度,能自动推理出树状河系的主支流关系。在此基础上,进一步研究了树状河系的编码方法,并用实例验证了所提出的算法。     

顾及密度差异的河系简化

河系简化是地图综合中经常需要处理的任务,其难点主要在于依据上下文环境对河流进行结构化选取,以保持河网密度差异等宏观特征。提出一种新的河流等级规则,依据河流的各级支流的数量确定河流的等级,以反映河流的密度差异;设计一种结合河流等级、长度与所在层次的综合指标进行河流选取;探讨在自动构建河系树的基础上计算河流等级、所在层次等指标的方法;最后使用综合指标进行河流结构化选取试验。结果表明,以新等级规则为基础的综合指标切实可行,能够在一定程度上保持河网密度的区域差异。     

案例支撑下的朴素贝叶斯树状河系自动分级方法

河流分级是树状水系综合的关键。现有方法大多根据河段的局部几何特征进行主支流识别,较少顾及河流和河系的整体结构特征,且使用多指标综合评价判别时对权重的设定缺乏科学的方法,对综合知识利用较少,应用的灵活性有待提高。对此,本文从案例学习的角度出发,针对河段主支流关系识别,提出一种基于朴素贝叶斯的树状河系自动分级方法。首先,从已有成果数据中提取出主支流分类的案例,利用朴素贝叶斯机器学习方法进行训练得到主支流分类模型;对于待分类树状河系,使用分类模型,从河口出发自下游向上游依次计算各上游河段分类为主流的概率,以概率最大的上游河段作为主流河段,将各主流河段依次连接得到主流河流;主流河流以外的支流部分,重复以上步骤进行层次结构化实现河系分级。试验证明,本文方法能很好地模仿专家意图,对树状河系的主支流进行很好地识别分类,并构建合理的层次结构,分级效果良好。     

自动制图综合中的线目标位移模型

数字地图制图环境下的自动综合是一个国际性的难题,其中地图要素的关系处理又是自动综合中的重点和难点之一,位移操作是关系处理的一个重要方法.本文以道路网的目标变形位移运用弹性力学思想进行理论和方法上的探讨,实现空间目标冲突的探测,进行目标的受力分析,运用平面杆件弹性体的受力变形模型,得到目标的位移量.该方法顾及目标间的空间关系,运用优化方法解决和控制位移的传播.     

数字河流数据的组织和制图综合

本文概略地介绍了通过使数据合理化和溪流顺序排列的软件的研制,把某些结构引入TIS已拥有的河流数据里所进行的工作。这项工作不仅施惠于水文学和地理学,而且可用于制图。它便于根据重新组织过的数据在逻辑上的联结,借助计算机生产各种比例尺的制图综合过的地图。综合样图以英格兰西南部的水系加以说明。     

数字河流数据的自动综合

本文主要介绍了数据库中水系要素综合中河流的自动综合方法，尤其是对非结构化河网中河流的自动选取作了较为详细的论述，并通过数据库中一幅完整图幅的河流数据对文中介绍的自动综合方法进行了验证。     

GIS中河网空间数据模型

河网通常是由多条河流组成的,河网的空间形态结构特征由各条河流的几何特征和河流之间的相互关系决定,为了完整表示河网的空间形态结构特征,本文提出了基于河网空间形态结构特征的河网空间数据模型,并阐述了该模型的建立、维护等方法。     

河网汇水区域的层次化剖分与地图综合

对于具有网络状结构的河系数据的综合化简,判断河流分支在河网中的重要性需要考虑三个层次的结构信息:全局范围内的空间分布模式;局域环境下的分布密度;单条河流的几何特征。为提取这些结构化信息,本文基于网络分析运用Delaunay三角网模型建立了各级河流分支汇水区域的层次化剖分模型,其基本思想是将汇水区域划定当作“空间竞争”问题来求解,运用类似于Voronoi图的空间等剖分几何构造表达“袭水”过程,在各支流子系统内部及其环境之间通过Delaunay三角网骨架线确定汇水区域的分水岭。基于该层次剖分模型可计算河流分布密度、相邻河流间距、汇水范围及层次关系,进而推算出河系网中每一条河流的重要性系数,实现不同尺度下河流的综合选取。     

GIS环境下的制图自动综合方法研究

制图综合一直是地图学领域研究的重要课题,近年来又成为国际GIS领域内的热点和前沿问题之一。借助GIS的可视化以及GIS的空间分析工具,制图自动综合的研究进入了一个新阶段。本文简要介绍了在GIS环境下制图自动综合的概念和特点,以及相关内容,并从知识表示方面分析了制图综合的理论。其中重点讨论了制图综合的综合算法以及模型综合,而模型综合是地理信息的概念层次上的综合,是地图综合的前提和基础。     

多因子影响的地图居民地自动聚群与综合研究

提出了地图综合目的的居民地聚群需要遵循Gestalt的邻近性、相似性和方向性原则,描述居民地结构、形态及其关系需要6个因子,即居民地间的距离、可视区域面积、大小相似度、形状相似度、方向关系、居民地内部方向;进而运用这些原则和因子,给出了居民地的自动聚群和综合方法。     

街道网矢量数据的渐进式表达与综合

基于平面欧几里得图和抽象胞腔复形理论,提出了街道网矢量数据的渐进式表达模型。引用抽象算子和还原算子定义了街道删除算子和街道还原算子,基于这些算子建立的街道网矢量数据的渐进式表达模型具有隐式的拓扑关系一致性。该模型表明,不同表达间的变化量的累积是有顺序的,生成这些变化量的变化算子的执行也是有顺序的。在渐进式表达模型的框架下,提出了基于有序综合树结构的街道网渐进式综合算法,将地图综合知识融入特定的数据结构,实现了街道网智能化综合。