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.     

层次特征点控制的线状要素Morphing方法

针对多尺度表达中同名线要素的变换问题,提出一种层次特征点控制下的线状要素Morphing变换方法,在已有的线性插值Morphing变换基础上,利用层次特征点对线要素进行分段控制,按对应弧段的结点的相对位置在本弧段的相同的相对位置处插入点,提高插值过程中点的位置对应精度,使中间比例尺的插值表达得到优化,提高Morphing变换的精度。     

基于高精度轨迹数据的要素特征点提取研究

连续运行参考站(CORS)向社会提供高精度位置服务的同时,产生了大量的轨迹数据,这些数据蕴含丰富的地形、地物特征。本文以河北CORS采集的轨迹数据为基础,应用分布式运算的思想,将全省不同测区、不同项目的数据整合、分析,开发了要素特征点提取工具,实现了地理信息要素特征点的自动提取。针对原始观测数据以及地理信息要素空间形态多样、变化不规律的特点,采用轨迹检索、拐点提取和空间密度聚类算法相结合的技术,达到了获取要素细节特征点的目的。测试结果表明,要素形态变化处的关键特征点提取准确率在94%以上,在地形图测绘、控制测量等生产项目中具有重复利用的价值。     

面向网络空间表达的数据模型设计及处理方法

目前网络空间地图缺少完整的要素体系和反映网络空间本质的地图数据模型,在表达网络空间多维信息方面能力有限,也无法满足不同的网络空间表达需求。在分析网络空间地图要素的基础上,将网络空间视为三维的信息网络世界,设计了面向网络空间表达的地图层次模型与数据存储结构,分析了数据处理的流程与关键技术。该模型能够适应不同表达需求,为网络空间多维信息可视化提供底层支持。     

点状要素群的结构化及其在综合中的应用

点状要素群是地图综合过程中必须处理的信息,文中分析了已有的点状要素群的分类方法,结合地图综合的特点,提出了一种改进的考虑点状要素群同其它要素关系的分类方法,通过建立点状要素群外轮廓线的方法结构化点状要素群,并用于点状要素的选取。     

GIS环境下面向地理特征的自动综合

在总结前人研究的基础上提出了GIS分层支持下的面向地理特征的自动综合，实验表明这种方法是可行的，但仍然存在诸多问题，这种方法的完善必须走基于知识综合的道路。     

地图图斑群自动综合的分形方法研究

提出了基于分形理论的地图图斑群自动综合的新方法，使地图图斑群的自动综合能够根据其自身的分布变化规律及形状结构特征自适应地进行。     

采用模糊综合评判方法对居民地要素进行自动综合的方法分析

本文介绍了地形图自动综合问题的发展现状,对目前地形图自动综合采用主要数学模型进行了分析。在此基础上,采用模糊综合评判的方法对地形图居民地要素进行了自动综合的可行性、合理性、实用性、适用性分析,以期模糊综合评判的理论和方法在地形图自动综合问题中能有更为深入的应用。     

基于CIRCLE特征变换的点群选取算法

本文在分析了当前地图自动综合算法的基础上,提出了一种基于Circle特征变换的点群选取新算法。文中介绍了该算法中空域中心点的确定、目标特征空间的计算、坐标空间到特征空间的转换、特征空间的聚类以及特征空间的化简等关键步骤。最后就算法的结果进行了分析与评价。     

顾及密度对比的多层次聚类点群选取方法

在语义信息缺乏的情况下进行点群选取是制图综合的难点之一。提出了一种新的通过多层次聚类进行点群选取的方法。首先,针对k-means聚类算法的不足,利用改进的密度峰值聚类算法实现点群自动聚类,主要表现为用基尼系数确定最优截断距离及用局部密度和相对距离的关系自动确定聚类中心。其次,提出一种顾及密度对比的选取策略,通过点群多层次聚类,将点群划分成不同等级的簇,确定不同等级的聚类中心,建立点群的层次树结构;依据方根定律计算的选取数量,按照各级别簇的点数比例,自上而下逐层分配待选取点数,确定选取对象,实现点群的自动选取和多尺度表达。对不同分布模式的点群进行实验,验证了该方法的普适性和有效性。     

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。     

空间数据自动综合研究进展及趋势分析

首先从几个方面论述了这样一个观点:地图制图综合历来是地图学中最富挑战性和创造性的领域,数字环境下的空间数据自动综合仍是现代地图学面临的核心问题之一。在此基础上,按照发展的观点,从5个方面系统地综述了空间数据自动综合研究的进展,总结了已有的成果,讨论了存在的问题,并分析了空间数据自动综合研究的趋势和任务。     

自动制图综合的技术方法在GIS环境中的应用

自动制图综合一直足地图制图领域中的难点，随着自动制图综合研究的不断深入，产生了许多理论、模型和成果。本文从GIS和自动综合原理的发展出发，论述了两者之间的密切关系，阐述了自动综合原理的发展必须与GIS应用相结合，使自动制图综合理论的研究小仪停留在研究的层面，更能使它产生应用的价值，推动自动综合和GIS的发展。     

基于极化变换的点群综合几何质量评估

分析圆特性及其运用到点群综合质量评估中来的可行性,提出一种基于极化变换的点群几何质量评估方法.阐述极化变换整个过程.在点群特征点保持、整体性保持两个方面提出了量化的质量评估指标,以及指标的量化方式.对实例中得出的指标值进一步进行动态综合分析,概括出特征点保持率、聚类数量保持率、聚类轮廓保持率、点目标删除率等综合评价指标,用于进一步的质量评估.     

地图点群综合的加权Voronoi算法

提出了一个基于加权Voronoi图的地图点群综合算法。为点群中包含的统计、专题、拓扑和度量信息分别选定量化描述因子,并把这些因子运用到点群综合过程中,来保证对应类型信息的正确传输;点群综合的过程借助于反复构造点群的加权Voronoi图来实现。     

数字海图水深注记的自动综合研究

以海图中水深综合的基本原则为依据,模拟人在制图综合时的思维方式,提出一种新的水深注记自动综合的模式--表达、识别与综合,并通过试验验证该综合模式的实用性和有效性,为自动制图综合的研究开创新的理论与研究方法.     

保持空间分布特征的群点化简方法

群点目标隐含的空间结构化信息是空间分布分析、地图综合感兴趣的内容。对群点目标分布的信息内容区分为存在性、度量结构与拓扑结构，在Delaunay三角网及其对偶Voronoi图模型上对工量结构定义4个在量；分布范围、分布密度、分布中心及分布轴线，顾及视觉识别Gestalt邻近原则，运用三角形“剥皮”法，确立了非凸多边形所表达的群点分布范围，运用图像灰度表达群点分布密度并通过图像处理方法提取分布中心。建立了Voronoi图动态重建进行群点化简的方法，该方法通过边界点和内部点的分开处理，较好地保持了4个空间分布特征。     

海岸线形态的表达与自动综合

由于数字海图中海岸线的重要性及对海图自动综合的迫切需求,本文针对国内外一些对线状目标的自动综合方法中存在的弊端,提出了一种新的海岸线自动综合模式——空间图形的表达、识别与综合。并通过试验验证了该方法的有效性及可行性。