空间点群目标相似度计算

顾及到视觉认知的Gestalt原则,提出了一种综合考虑到点群的空间关系、空间分布和几何特征,注重空间点群的整体描述的相似度计算模型。实验结果表明,相似度计算结果与直观认知比较一致。     

空间线群目标相似度计算模型研究

以空间线群目标的空间统计特征为基础,对线群目标的空间关系和几何特征进行了描述。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。     

空间群(组)目标相似关系及计算模型研究

空间关系是空间物体之间由空间物体的几何特性(位置、形状)所决定的关系,包括距离关系、拓扑关系、方向关系和相似关系,是空间信息科学的理论基础之一,一直是空间信息科学理论研究的重点。在对空间关系的研究中,一方面由于空间相似关系的可计算性差,且研究相     

空间线群目标方向相似度计算模型

本文提出了3种空间线群目标方向相似度的计算模型。依据风向玫瑰图的原理,将空间线群目标的方向特征进行定量统计生成对应的方向玫瑰图,在此基础上,生成对应的标准差椭圆和统计直方图,从而分别建立基于线目标方向玫瑰图、基于标准差椭圆和基于统计直方图的方向相似度计算模型,并进行了实验验证和分析。     

多尺度点群广义Hausdorff距离及在相似性度量中的应用

多尺度点群相似度计算在制图综合过程控制及结果评价中具有重要作用。针对现有方法的不足,提出一种基于广义Hausdorff距离的多尺度点群相似度计算方法。在传统Hausdorff距离基础上,建立距离相似度计算公式;给出拓扑距离的定义及计算方法,建立基于拓扑Hausdorff距离的拓扑相似度计算公式;以点群最小外包圆为基础建立方向关系参考框架,给出方向距离定义,建立基于方向Hausdorff距离的方向相似度计算公式,并得出总相似度计算公式。通过多尺度点群相似度计算实验及综合结果评价实验,验证了所述方法的可行性和有效性。     

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。     

凸壳原理在点群目标综合中的应用

对聚焦分布的点群，借助凸壳算法形成多层嵌套，以反映它的逐层分布特征，为点群目标的２经选取提供整体分布控制，借助ＶＯＲＯＮＩ图各个特体的区域性评价提供补充性的量化依据。综合过程分为两个子过程：凸壳层的合并和多边形折线顶点的综合。     

面状群(组)目标空间方向关系的形式化描述与计算

通过对各种空间方向关系形式化描述模型进行分析阐述,针对面状群(组)目标间方向关系的特点,本文提出了利用方向Voronoi图模型来计算面状群(组)目标之间的空间方向关系.该模型通过计算获得各个主方向上Voronoi边的长度值与方向Voronoi边法线总长度值的百分比,得到群(组)目标之间方向关系的定量表达;借助矩阵形式化...     

线目标特征点相似性匹配

针对地图制图数据库更新中多源数据匹配问题,通过提取线目标中的特征点,建立一种基于空间位置和拓扑关系的匹配模型,对特征点进行相似性匹配。实验证明该模型匹配效果良好,基本满足数据更新中图形纠正的需要。     

基于栅格数据的面状目标空间方向相似性研究

提出了基于栅格数据的面状目标之间的两种空间方向相似性的计算方法:利用栅格数据的特征和方向关系矩阵计算空间方向相似性;基于单个栅格单元与参考目标之间角度的变化计算面状目标之间空间方向相似性。这两种方法简化了由Goyal提出的基于方向关系矩阵模型计算空间方向相似性的方法,克服了方向产生某些细微变化时的限制,在计算面状目标空间方向相似性时具有更广泛的适用性。     

利用等距同构建立多尺度空间实体相似性度量模型

从度量几何学的观点,建立多尺度空间实体等距同构模型。将多尺度空间实体分别看作刚性图形和弹性图形,利用等距同构不变性的概念,构建多尺度空间实体几何相似性图形距离和拓扑相似性图形距离。通过统一几何和拓扑相似性图形距离,构成一个二元集值距离,作为多尺度空间实体相似性的评价指标。通过对不同复杂性的面状和线状空间实体多尺度表达图形的几何和拓扑相似性度量实验表明,该方法能同时顾及多尺度空间实体几何和拓扑结构的改变,且符合空间实体的多尺度抽象规律。     

探测信息模型支持下的点注记配置方法

针对点注记自动配置问题,首先对注记备选位置及其优先级进行了分析与研究,提出了一种自主探测算法,该方法的探测信息模型顾及了背景要素压盖、注记的指代明确、配置均匀,以及尽量配置到所属的行政区划等原则;在此基础上,通过初始配置获得全局较优注记位置,再配置获得局部最优注记位置,冲突压盖检测获得全局最优注记位置;对两个试验样区进行了注记配置试验,结果表明在注记难度增加的情况下,该方法仍能获得较好的注记效果。     

点源理论目标的概念和应用

从认识世界对地观测的本源出发，提出了空间信息的理论目标的概念模型——点源系统(PRS)，其根据综合信息场观点和离散目标观点来认识和处理原始混合的对地观测图像信息(RGIS)，可以根据不同尺度的点源，获取具有明确边界和位置属性的目标物体信息。并实现了该模型的几个应用工具——点源尺度变化模型、点源检索模型、点源位模型，完成海量数据信息提取和信息处理直至形成信息库存贮和检索的过程。     

海量数据下的点位匹配技术研究与应用

以海量数据为研究背景,以点位匹配作为切入口,在GeoHash技术基础上,对该技术进行多重改进,从全新的视角提出了新的算法,将该算法运用到点重复检查中,提出了新的算法策略,并与ArcMap相关功能及传统方法进行比对,给出了不同数量级下的运行效率比对。     

基于空间相邻关系的GML点对象聚类算法研究

目前的聚类算法针对关系数据库而没有考虑空间相邻关系的相似度问题,因而提出对GML点对象离群检测算法进行改进,从而应用于GML聚类。改进的算法以空间相邻关系为度量准则得到相似性矩阵,从而对GML中的点对象聚类。试验结果表明：改进的算法能实现GML点对象基于空间相邻关系的聚类,具有较高的效率。     

面向对象的分析模型及其应用

介绍了Youdon提出的面向对象分析(OOA)模型,讨论了在系统分析阶段难以使用OOA的原因,提出了将OOA与传统分析技术相结合的系统分析方法和实用步骤,以图库管理的系统分析为例讨论了这种方法的具体应用.     

面向对象的分析模型及其应用

介绍了Ｙｏｕｄｏｎ提出的面向对象分析（ＯＯＡ）模型,讨论了在系统分析的阶段难以使用ＯＯＡ的原因,提出了将ＯＯＡ与传统分析技术相结合的系统分析方法和实用步骤,以图库管理的系统分析为例讨论了这种方法的具体应用。