顾及异向性的局部径向基函数三维空间插值

针对三维局部径向基函数(radialbasisfunction,RBF)空间插值过程中合理设置待插值点的邻近搜索范围问题,提出了一种依据变异函数分析探索空间异向性的局部径向基函数插值方法。首先,构建采样点的协方差矩阵求解数据的三个轴向;然后,通过旋转变换将数据变换到新的坐标系下,根据地统计中的变异函数计算三个方向的变程,并将三个变程设置为局部搜索椭球体的三个轴;最后,对每个采样点构建节点RBF,通过对待插值点影响范围内的节点RBF进行线性加权组合,求出待插点的属性值。实验结果表明,该方法顾及了空间数据的异向性,计算精度高,插值结果可靠,是一种可行的顾及异向性的三维空间插值方法。     

应用地统计学和径向基函数的DEM插值

为了解决紧支撑径向基函数(CSRBF)内插生成DEM中合理设置紧支撑半径的问题,文章提出了基于地统计学和CSRBF的DEM插值方法,采用地统计学中变程的倍数来度量空间相关性的强弱,取变程的倍数设为CSRBF紧支撑半径,使得CSRBF插值矩阵呈稀疏带状分布,保证插值矩阵稳定求解,最终生成较高精度的DEM。最后以实测高程数据为例,使用交叉验证对插值方法进行实验,根据最大误差、最小误差、平均误差和均方根误差等指标进行精度分析,结果表明该插值方法精度高,插值结果可靠,可作为一种有效的DEM插值方法。     

高精度DEM建模的加权径向基函数插值方法

在数字高程模型（digital elevation model,DEM）建模过程中,经典空间插值方法均没有考虑断裂线附近的局部地形特征影响,使得断裂线局部区域高程被平滑,从而导致地形特征失真。为了解决该问题,构造了一种顾及断裂地形特征的定权方法,并以径向基函数（radial basis function,RBF）为插值算子,提出了加权径向基函数方法。首先通过捕捉每个采样点的结构张量,自适应计算采样点与待求点的距离,然后利用该距离对每个采样点赋予合适的权重,最后利用加权插值实现DEM建模。以10组国际摄影测量和遥感学会公共数据和1组山体滑坡区域的机载激光雷达点云数据为例,利用所提方法构建样区DEM,并将计算结果与标准RBF及传统插值算法（如反距离加权法、克里金法、约束不规则三角网法）进行比较。精度分析表明,不论采样点数为多少,所提方法计算精度均优于其他插值方法;对DEM山体阴影图分析表明,相较于传统插值方法,所提方法能较好地保持断裂线局部地形特征。     

径向基函数算法中插值参数对DEM精度的影响

以多重对数径向基函数插值算法中的插值参数为研究对象,选取了5种不同地貌类型的离散点数据,使用中误差度量指标,研究光滑因子、搜索点数、搜索方向对DEM插值精度的影响,给出插值参数的“最优”取值区间,消除插值参数选择的随意性,更好地指导DEM建模的运用。     

利用Abel-Poisson径向基函数模型化局部重力场

多种类型高分辨率重力场数据的不断增加,使得在局部范围内精化重力场模型成为了可能。本文采用Abel-Poisson核将重力场量表示成有限个径向基函数线性求和的形式,对局部区域的多种重力场数据进行联合建模。为了提高运算速度,运用了基于自适应精化格网算法的最小均方根误差准则(RMS)来求解径向基函数平均带宽。以南海核心地区为例,联合两种不同类型、不同分辨率的重力场资料(大地水准面起伏6'×6'、重力异常2'×2'),构建了局部区域高分辨率的重力场模型。所建模型表示的重力场参量达到了2'×2'的分辨率,对原始的重力异常数据(2'×2')拟合的符合程度达到±0.8×10-5m/s2。结果表明,利用径向基函数方法进行局部重力场建模,避免了球谐函数建模收敛慢的问题,有效提高了模型表示重力场的分辨率。     

基于RASM的紧支撑径向基函数自适应并行地形插值方法

快速、准确地对地形进行重建以生成数字高程模型是地理信息表达的重要研究内容,径向基函数（radial basis function,RBF）作为一种插值性能较优的空间插值方法,特别适合于重建复杂的地形模型,但随着已知地形采样点数量的增加,RBF插值模型求解速度变慢,同时插值矩阵过于庞大而导致插值模型求解困难甚至求解失败。针对这个问题,本文基于区域分解和施瓦兹并行原理进行地形插值,以紧支撑径向基函数（compact support RBF,CSRBF）构建基于所有地形采样数据的全局插值矩阵,并自适应求解子区域CSRBF插值节点紧支撑半径,基于限制性加性施瓦兹方法（restricted additive Schwarz method,RASM）采用多核并行架构对各局部子区域的插值矩阵进行求解。以某地区数字高程模型（DEM）数据进行插值实验,结果表明,本文方法能够对大规模地形数据进行准确重建,并且具有较高的求解效率。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。     

径向基函数神经网络的路网自动匹配算法

针对VGI数据中检测更新的问题,该文提出基于径向基函数的神经网络自动匹配算法。通过选取路段的距离、方向、形状和长度4个空间特征的相似度作为衡量路段是否匹配的指标。考虑到4个空间特征指标对匹配的影响力不同,在RBF(radial basis function)神经网络中的隐含层对基函数引入粒度拉伸因子,使径向对称的RBF顾及各向异性。同时对输出层在线性加权求和函数的基础上引入sigmoid函数,使计算结果(路段的匹配度值)归一化。该算法对数据质量较差的VGI路网具有很好的匹配能力,与BP神经网络相比,RBF神经网络在地图匹配中具有更好的匹配效率。     

基于扩展场强模型的稀疏AQI空间插值新算法

针对空气质量指数（AQI）监测点分布稀疏,现有空间插值算法精度不高问题,提出了新的扩展场强模型与算法。扩展场强单参数模型引入参数c控制场强衰减程度,通过c与误差关系图并借助二分查找法计算最优c值。扩展场强双参数模型加入参数k调整场强影响范围,通过c、k与误差关系图并借助迭代双线性插值法求解最优c、k组合。以北京、天津、武汉、郑州四个城市2014-08~2015-04的50组AQI监测值为实验数据,采用交叉验证法并以RMSE、AME、PAEE为评价指标,实现了单参与双参模型及参数选取,然后与克里金法及类似的反距离加权法进行对比。实验证明,扩展场强模型能够得到针对稀疏AQI的更高插值精度,且双参数模型精度高于单参数模型。本文算法适用于采样点数目与位置均固定的稀疏数据插值,并可推广至其他类型与维度的空间数据。     

一种面向元数据的三维空间数据模型组织方法

随着网络速度提高等的科技发展,人们并不满足用二维地图来看世界,因此,生产了大量的三维模型数据,现大部分采用在浏览器端加载插件的方式解决精细度较高的模型数据在浏览器中流畅地显示问题,但用户体验并不算好。为了提高浏览速度,本文研究了基于WebGL的三维WebGIS场景构成,模型数据结构及其加载方法,本文根据已有的空间数据索引,提出了一种面向元数据的三维空间数据模型组织方法,并在浏览器端将元数据中模型数据成功加载,用户体验良好。     

空间数据不确定性的三维可视化表达模型

空间数据不确定性问题是国内外地理信息科学领域的重要研究内容。针对现有空间数据不确定性三维可视化表达模型的研究较少的问题,本文提出了空间数据不确定性的度量方法,构建了基于Delaunay三角网的矢量数据不确定可视化表达模型,采用距离加权平均法、多项式内插法构建了栅格数据不确定性三维可视化表达模型。试验研究表明该方法能直观、有效地表达空间数据的不确定性。     

3D Reconstrution with Rational Function Model

Rational Function Model (RFM) is the alternate sensor Model to the rigorous sensor model that allows end user to perform sensor-independent photogrammetric processing. Nowadays, commercial off-the-shelf (COTS) digital photogrammetric work stations have incorporated RFM as a method for image restitution. It is technically applicable to all types of airborne and space borne sensors. In this paper, we describe the derivations of the algorithmic procedure for third order inverse and forward RFM method for 3-D reconstruction. Model accuracy is evaluated for aerial image, TK-350 Russian image and IRS-1C PAN image. The results ensure that properly constructed RFM are accurate enough to be used in place of the original rigorous models. The test results are reported and summarised.     

通用三维GIS场数据模型研究与实践

随着三维地理信息系统(geographic information system,GIS)应用的发展,空中电磁信号场、空气与水体污染场、地下地质属性场等连续、非匀质的三维空间属性场数据进行建模、可视化与分析计算对GIS基础软件提出了新的挑战。已被广泛应用的TIN(triangulated irregular network)与栅格数据属于表面模型,通常用来表达二维场数据,其中由TIN组成的封闭表面可用于表达三维体,但两者都无法描述非匀质、连续变化的三维属性场。探讨了在通用GIS基础软件中基于TIN和Grid进行升维表达,实现不规则四面体网格(tetrahedralized irregular mesh,TIM)和体元栅格(voxel grid)两大类三维空间场数据模型,分析了两类数据模型的特点,探讨了三维场数据在可视化和分析计算方面的关键技术,实现了基于TIM与体元栅格表达和应用三维GIS场数据,完善了GIS三维数据模型体系,实现了空/天、地表、地下全空间的一体化表达、模拟与分析计算。     

基于ArcGIS的空间信息3维建模

信息时代悄然而至,人们已不再将可以定量表达的信息结果局限在2维空间上,逐步向3维空间信息表达深入。利用虚拟现实技术,建立3维信息模型,对存储在数据库中的信息数据进行提取、处理,实现了3维信息的虚拟可视化以及虚拟环境中数据交互查询和交互操作的全过程,并在3维虚拟环境中实现了相应的数据空间分析。     

三维空间数据模型与集成研究

三维空间数据模型是三维地理信息系统的基础。在介绍传统数据模型的基础上,分析了三维数据模型的集成,集成的模型可克服传统数据结构的约束,利用各种数据结构的优点,更有效地表达三维空间信息。