从城市兴趣点中提取多层次地标方法探究

为了获取结构化空间知识,本文在前人研究基础上,提出一种依据显著度差异从城市POI数据中提取多层次地标的方法。分别从知名度、通达度以及个体特征三个方面量化分析了影响POI显著性的因素;然后利用这三个指标构建了POI显著性度量模型,并进行了武汉市武昌区地标提取实验。最后,以各层地标为种子生成Voronoi图,用来反映各层地标的空间影响范围及上下层地标之间蕴含的认知规律。     

基于Voronoi图的点状目标邻近空间分布测试方法

邻近空间分布测度研究观测点邻近空间中目标的分布规律,是地理分析、环境评价、选址优化等的重要依据。提出了基于Voronoi图的邻近空间分布测度方法。该方法通过观测点的k阶Voronoi邻近关系,动态确定影响观测点的空间目标范围,通过k阶邻近分布指数定量评价观测点邻近空间目标的分布情况,实现了任一观测点邻近空间分布的测度,并将k阶邻近分布指数应用于整体空间目标离散度的测度。最后通过城市楼盘开发与景观保护评价实例说明了该方法的应用前景。     

多阶三角形数据结构的高阶Voronoi图算法研究

针对大多数传统高阶Voronoi算法复杂且运行效率低下,缺乏拓扑关系与多种邻近查询以及地理空间可视化交互与分析上的问题,该文借助Delaunay三角形天然优势,首先建立了一种k阶Delaunay三角形数据结构,利用k阶Delaunay三角剖分与k阶的Voronoi图存在的间接性对偶关系,提出了一种k阶Delaunay三角形数据结构的高阶Voronoi图的算法,并通过数据实验分析与对比,结果表明:该算法易于理解,程序设计简单易行,提高了运行效率,有效支持地理空间应用与几何学与拓扑邻近查询,满足实际应用的需要。     

基于k阶Voronoi多边形划分的k阶数据场拟合

讨论了k阶Voronoi图的离散点集的生成算法，挖掘了k阶Voronoi图的性质并加以证明；参照k阶Voronoi图的定义提出了k阶空间数据场的定义，并结合参考点利用其影响因子给出了低阶空间数据场的拟合函数通式；利用k阶Voronoi图对平面空间的平面区域最近邻近划分实现了对空间数据场的分割，从而将大量参考点集数据场化解为多个单元数据场的低阶拟舍，有效地降低了数据场拟舍的难度；提出了合并拟合和叠加拟合策略，实现了将单元数据场综合为完整的空间数据场。     

利用城市POI数据提取分层地标

为了获取能够用于智能化路径引导的层次性空间知识,提出了一种依据显著度的差异从城市POI数据中提取出分层地标的方法。首先,通过从公众认知、空间分布和个体特征3个方面分析影响POI显著性的因素,构造了包括公众认知度、城市中心度和特征属性值3个指标向量的POI显著性度量模型;然后,分别讨论了利用问卷调查、多密度空间聚类和数据规格化的方法计算POI对象的各项显著性指标值的过程;最后,选择武汉市武昌地区的POI数据进行显著度计算,从中提取显著度较高的对象构成若干层地标,并以各层地标为种子生成加权的Voronoi图,用来反映各地标的空间影响范围并建立了同层和上下层地标之间蕴含的关系。     

Voronoi的地学空间数据分析理论及应用

针对传统地学空间数据分析过程中,异常点数据影响范围过大甚至涵盖其他采样点的问题,该文提出了基于Voronoi图与变缓冲区分析相结合的异常点数据分析方法。以异常值点作为生长点构建Voronoi图,利用异常点数据与其一阶邻近Voronoi图生长点的数据差值与空间距离,计算出异常采样点的衰减系数;用衰减系数与异常采样点数据的乘积计算异常采样点的粗略影响范围,通过计算粗略影响范围与异常采样点Voronoi图的交集,最终确定异常采样点的有效影响范围。利用Voronoi图与变缓冲区相结合方法可以有效地控制采样点异常数据影响范围,有效提高空间数据分析准确度,更加客观地反映地学空间数据的分布特征。以云贵高原的刁江流域的土壤重金属含量为试点,以采样点作生长点、行政界为边界生成Voronoi图,分析刁江流域土壤重金属As元素的空间分布。利用该方法获得的As元素空间数据分布图,其空间特征更加鲜明。     

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.     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

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。     

Voronoi图在无人机航空影像匹配中的应用

提出了顾及无人机航空影像地面覆盖范围的影像空间位置Voronoi图的生成方法,利用基于局部特征不变算子在多视影像匹配过程的可传递特性,使用影像的Voronoi图邻域关系开展多视影像的匹配,既保证了多视影像间匹配点的重叠度,又提高了多视影像间的匹配速度。     

点状地图空间信息量的度量方法研究

在分析现有地图信息度量方法的基础上,从地图信息来源入手,提出点状地图空间信息的构成即几何分布信息、拓扑邻接信息、聚群结构信息.进而,结合地图信息产生的差异性本质,建立了地图空间信息量度量的模型,即:基于特征的信息量模型.随后,从几何分布特征上选择点要素对应Voronoi区域面积、从拓扑邻接特征上选择Voronoi区域的一阶邻接度、从聚群结构特征上选择点数、分布面积和分布密度作为特征的定量描述指标,分别建立了几何分布信息量、拓扑邻接信息量、聚群结构信息量的度量方法.最后,采用两组地图数据试验对本文提出的方法进行验证,通过对比试验分析表明了本文所提方法的合理性和优越性.     

一种面向对象的模糊Voronoi图动态生成方法

在对空间关系计算目标对象化的基础上,根据Voronoi图的几何特性,引入模糊思想,对基于活动像素主动生长技术生成的Voronoi图进行模糊处理,提出了一种面向对象的模糊Voronoi图动态生成方法,为复杂的空间关系计算提供理论基础和现实依据。     

三维散乱点云的Voronoi拓扑近邻点集查询算法

提出一种三维散乱点云的Voronoi拓扑近邻点集查询算法,该算法改进R*-tree建立三维散乱点云的空间索引结构,采用动态扩展空心球算法获取样点的k近邻点集,通过偏心扩展和自适应扩展获取样点拓扑近邻参考数据,生成该局部点集的Voronoi图,查询样点Voronoi邻域获取样点拓扑近邻点集。通过算法时间复杂度分析及相关实验,证明该算法可快速、准确地获取任意复杂散乱点云的Voronoi拓扑近邻点集。     

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.     

结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取

充分有效地利用像素间的空间关系,是提高高分辨率遥感影像解译精度的关键之一。提出一种空间像素模板来获取空间邻域关系,并结合Adaboost集成学习算法来实现高分辨率影像上河流的精确提取。首先,基于过滤式特征选择方法自动生成像素模板,继而构建多维特征向量,然后利用Adaboost算法实现多特征的加权集成利用提取河流。相关试验结果表明,本文提出的方法河流提取结果面向对象特征显著,并且能够较好地将与河流具有光谱重叠的其他地物区分开。     

点状实体k阶Voronoi多边形的存在性判定

挖掘了点集的k阶Voronoi多边形的性质以及判断存在性的方法。在k阶Voronoi多边形的存在性方面,主要通过大量实验归纳与性质分析,提出了距离概率判断法、递归归纳判断法、最近邻近判断法、作用域阻隔判断法等多种方法,论述了分辨率与存在性的关系问题。     

集成距离变换和区域邻接图生成Delaunay三角网的方法研究

基于距离变换和区域邻接图,提出了一种D-TIN(包括约束的D-TIN)的生成方法。利用D-TIN是Voronoi图的几何对偶这一特性,使用距离变换获取点的Voronoi图,使用区域邻接图获取点在该Voronoi图上的空间邻接关系,以生成D-TIN或者约束的D-TIN。实验表明,与经典的基于数学形态学生成的D-TIN和约束D-TIN的方法相比,本文算法可以分别提高约57.70%和56.64%的效率。     

车载点云中杆状地物的形态分析与分类研究

针对车载激光雷达(LiDAR)数据中杆状地物分类效果不理想的问题,该文对从车载LiDAR数据中提取的杆状地物进行形态分析与分类研究。首先,利用基于体素的方法对杆状地物进行提取。其次,对提取出的杆状地物进行形态分析,使用ESF特征、几何特征及附属物拓扑特征作为杆状地物的特征向量集。最后,利用随机森林分类器对特征向量集进行重要性分析,构建最优特征子集,对杆状地物进行精细分类。该文在3个数据集上进行试验以验证方法的有效性。结果表明,该文方法对杆状地物有较好的分类效果,准确率分别为91.8%、89.23%和88.51%。     

离散地形曲面上的精确Voronoi图直接生成算法

Voronoi图是地学计算中的一个基本结构,但是在地形曲面上,它还缺乏能与平面Voronoi图媲美的精度和成熟的算法。在离散地形曲面的不规则三角网格网上引入计算几何的测地距离场,从格网边上的距离场奇点逐步生长代表平分线的双曲线,由双曲线的排列得到离散曲面的精确划分,再将划分的面片聚类,生成精确的测地Voronoi图(geodesic Voronoi diagram,GVD)。然后,从定量与定性两方面对精确Voronoi图进行了检验,证明GVD可以给地形曲面空间分析带来基础性改进。基于奇点生长和双曲线排列的直接算法避免了现有算法对格网面片的过度细分与预处理,整体上直观易行,为数字地形分析发展严密的Voronoi图分析提供了有益探索。     

融合空间关系的遥感图像分类

针对光谱纹理特征分类方法的不足,提出了一种融合空间关系的遥感图像分类方法。利用直方图提取像斑特征,采用G统计量构建单像斑概率,通过迭代统计方法计算地物类别邻接概率,利用地物类别邻接概率表达像斑邻域概率,加权组合单像斑概率与像斑邻域概率构建像斑联合概率,依据最大后验概率准则获取图像分类结果。在QucikBird图像上的试验结果表明:与传统的光谱纹理分类方法相比,该方法能够提高图像分类的精度;整体分类精度与Kappa系数分别提高了1.5%和2.1%。