数字海图点群状特征的识别、量测与综合

空间分布特征的保持是点群自动综合的核心和难点所在,为此,本文定义了4个参量：分布范围、分布密度、分布中心和分布轴线,来描述点群目标的结构化信息。利用Delaunay三角网和Voronoi图两种模型,着重探讨了点群分布特征的识别和量测问题,并在识别与量测的基础上,通过Voronoi图的动态构建,给出了点群自动综合模型,通过实际岛群数据的检测,证明了模型的正确性与可行性。     

利用层次Voronoi图进行点群综合

通过距离权重描述点的重要程度,采用改进的k-means算法得到点群的聚类中心,进而以聚类中心为基础,构建了层次加权Voronoi图与Voronoi层次树结构.以点群的分布范围、排列方式与密度为度量,给出了基于Voronoi层次树结构的点群综合方法,确保了点群综合前后在空间形态分布上的一致性.结合地理统计学计算,对综合方法作了进一步的量化评估与优化.经验证,本文方法是可行、有效的.     

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。     

一种顾及多特征约束的Voronoi图点群选取方法

点群的自动选取是制图综合的重要内容。在Voronoi图点群选取的基础上,提出一种顾及多特征约束的Voronoi图点群选取方法。该方法顾及了描述点群要素重要性的空间分布特征、拓扑和密度特征、专题属性特征以及与其他要素的关联特征,构建了基于综合特征重要性的度量模型,并作为约束条件应用于Voronoi图点群要素的选取。实验结果表明,该方法不仅可以综合考虑点群要素的多种重要性特征,而且能够较好地保持点群综合前后空间特征的一致性,符合传统制图综合规律,具有一定的普适性。     

点群目标空间分布主方向定量描述模型

目前点群目标空间分布主方向模型较少顾及分布密度对点群分布主方向判断的影响，针对此问题，提出一种点群目标空间分布主方向定量描述模型。基于点群的分布密度构建方向玫瑰图；利用统计加权算法，计算点群主方向，引入置信区间，得到点群的主方向分布范围。实验结果表明，文中模型较好地反映了分布密度对点群目标空间分布主方向的影响，计算结果与人类认知具有较高的一致性。     

一种异质空间下加权Voronoi图的栅格生成算法

针对现有Voronoi图算法很多将被划分区域理想化为匀质空间，忽略了所依赖的传导方式及空间差异性的问题，该文提出了一种异质空间下加权Voronoi图的栅格生成算法。首先根据目标中心强度确定每个目标的影响权重，根据空间传导能力确定每个栅格的传导权重，然后进行十字交叉光栅扫描，在距离变换中按栅格对距离进行分解，将目标影响权重和栅格传导权重纳入变换公式，最后连通每个栅格到最近目标点的最短路径。该算法兼顾了目标中心强度、几何形状以及空间差异性，实现了异质空间下任意形状目标加权Voronoi图的生成。实验证明，该算法时间复杂度不受目标数量、分布和形状的影响，比普通Voronoi图算法更适合复杂空间下的城市影响范围划分。     

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。     

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。     

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。     

保持分布特征与重要性意义的高程点选取方法

针对地形图上的高程点,提出了一种保持群分布特征与个体重要性意义的选取方法。一方面结合等高线表达上的地形特征、河流道路等重要地理目标区分个体高程点的重要性意义;另一方面基于Delaunay三角网及Voronoi图模型提取高程点群分布结构化特征,在此基础上评估单个高程点的选取概率,并以一种渐进式删除的方式实施选取。试验表明,该方法在保留具有重要性意义个体高程点的同时,也可以较好地保持原有的空间分布特征。     

应用湖泊中心点作为控制点实现大区域遥感影像的配准

在进行北美阿拉斯加地区多期影像湖泊变化分析过程中,由于该区域长期被冰雪及湖泊覆盖,几乎没有较明显的地面标志点可作为影像配准控制点,给影像的配准工作带来困难。在分析长时相区域湖泊形状变化的基础上,认为湖泊中最稳定的点为湖泊的中心点,该点位置随湖泊面积的变化不大,可以作为影像配准的控制点。与多边形质心相比,多边形的最大内圆圆心始终位于多边形的内部,且以该点为圆心的内圆半径最大(对应的内圆即为最大内圆),其计算方法可以应用矢量多边形的Voronoi图来求得。本文在分析简单多边形Voronoi图性质及其计算方法的基础上,提出了一种面向复杂多边形的最大内圆圆心点查找方法,给出了其算法实现流程与算法的复杂度分析。通过北美阿拉斯加地区湖泊最大内圆圆心查找的测试实例,表明本文提出的方法能够较好地计算出各种复杂矢量多边形的最大内圆圆心点,并达到较高的计算效率,且以多边形最大内圆圆心点作为配准点实现的影像间配准效果也较好。     

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...     

保持空间分布特征的散列式居民地综合选取方法

中小比例尺地形图上存在大量由不依比例尺"房屋群"构成的散列式居民地,综合选取时除考虑单个房屋专题重要性外,还要保持各房屋群的分布特征。将基于Vorinoi图模型的点群化简算法应用到散列式居民地选取中,在综合选取的两个主要过程(选取定额模型和结构化选取方法)中综合考虑分布密度、分布范围等分布结构信息和专题属性信息。实验分析表明,该方法保留重要居民地的同时,能够较好地保持原有的空间分布特征。     

支持地图综合的面状目标约束Delaunay三角网剖分

针对多边形面状目标的综合问题,建立了二维空间中约束Ｄｅｌａｕｎａｙ三角网剖分结构,融入多边形的环、岛屿、边界、顶点的描述,通过形式化条件检索,在该结构上提取二维空间中各种感兴趣的由剖分三角形组成的区域,用于支持地图综合中邻近多边形的搜索、多边形弯曲部位的识别、冲突关系探测、多边形合并等操作。并对基于骨架线的图结构建立、分枝宽度计算等几何问题进行了详细讨论,指出了其在诸如双线河中轴化、街道中轴线网络模型建立、多边形合并中的邻近关系分析、面状目标注记自动定位领域的支持作用。     

GIS与Voronoi多边形在医疗服务设施地理可达性分析中的应用

地理可达性是研究评价各种服务设施布局及其服务域的重要指标之一,空间距离、交通便捷性、出行成本等是可达性测度的重要因子。由于医疗设施等公共设施通常以服务的公平性和覆盖性为目标,因此可定义居民点到最邻近医院的距离为地理可达性的测度。在此基础上,作者提出了基于GIS与Voronoi多边形的地理可达性计算方法。这一方法不仅将地理可达性分析中的空间点对之间的距离计算简化为空间查询,方便了GIS应用,而且计算的Voronoi多边形在本质上就是最邻近意义上医院的服务域,即服务域内各居民点到该医院的距离就是最邻近距离。此外结合人口分布等属性数据,还可深入分析各医院的服务承载力,本方法为医疗设施等公共服务设施的规划决策提供了重要的工具。     

空间知识挖掘的自然面群聚集度聚类方法

空间聚类是挖掘空间知识的重要手段之一.针对现有方法难以处理几何、分布特征差异大的面群聚类问题,本文提出了一种面要素分布密度的描述参数—聚集度,并设计了一种自然面群聚类方法.首先,分析了面要素分布密度的影响因子,定义了聚集度的概念,设计其计算方法并验证其有效性及优势;然后,基于聚集度和边界最短距离建立相邻面从属关系,识别...     

顾及方向关系的农村居民地聚类方法

农村居民地空间分布具有独特的规律性和复杂性,Voronoi图在表达居民地分布特征方面有显著优势。针对当前空间聚类较少考虑实体方向关系的问题,基于Voronoi图提出一种顾及方向关系的农村居民地聚类方法。首先,构建距离约束的Voronoi图,并构建居民地实体间的Voronoi邻近图;然后,利用无向特征与有向特征来综合评价居民地实体间的聚集强度;最后,消除聚集强度小于阈值的实体对的邻近关系,得到聚类结果。采用浙江省宁波地区部分农村居民地数据进行实验,结果表明,所提方法能够有效聚类不同分布模式的居民地,聚类结果符合人的认知习惯。     

地理多要素Voronoi图相邻关系下的地图放大裁剪方法

针对以欧氏距离作为放大因子对电子地图进行放大裁剪引起的信息失衡问题,提出了采用地理多要素Voronoi图相邻关系的地图放大裁剪方法,可有效避免以欧氏距离作为地图放大因子的地图信息失衡问题。将电子地图中的地理要素分为点、线、面,对于点要素,构建它的Voronoi图;对于非点要素,即线和面要素,构建它们的近似Voronoi图,当用户对电子地图中感兴趣地理要素目标放大时,只需要提取该目标的多要素Voronoi图相邻要素的近似Voronoi图,并计算它们的最小外包矩形,将最小外包矩形区域用于最终的地图放大裁剪区域,则可较好地顾及用户感兴趣地理要素目标周围的地理要素信息,可提高地图的易读性。采用本文方法对某区域电子地图进行了试验,结果表明,地理多要素Voronoi图相邻关系的地图放大裁剪方法能够较好地顾及目标周边地理要素信息,避免了以欧氏距离为放大因子的地图信息失衡。