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。     

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。     

两种地图点群综合算法的比较

通过搭建实验程序,分别对基于非加权Voronoi图和加权Voronoi图的点群自动综合算法进行验证,详细对比和分析两种算法计算结果对点群的统计信息、拓扑信息、度量信息和专题信息的传递情况,计算部分结果的相似度,从而得出加权Voronoi图点群综合算法更优的结论。     

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.     

利用缓冲区动态生长模型进行岛屿自动选取

针对当前岛屿自动综合算法使用的Voronoi图在表达岛屿密集程度时存在缺陷,从而导致选取结果难以满足生产实际需要这一现状,提出一种利用缓冲区动态生长模型进行岛屿选取的自动选取方法。首先,从原理上分析了Voronoi图表达空间数据密集程度的缺陷,并设计了能克服此缺陷的缓冲区生长模型;然后,定义了距离矩阵、岛屿缓冲区标识和增长因子,构建了缓冲区生长模型;最后,通过对模型的动态构建和更新实现了岛屿的自动选取,并选取多组不同海域、不同分布特征的岛屿资料图进行了实验验证。实验结果表明,缓冲区生长模型有效解决了Voronoi图表达岛屿密集程度时的缺陷问题,与使用Voronoi图表达岛屿密集程度的岛屿选取方法相比,明显提高了岛屿选取的质量,且可适用于更多的复杂海域。     

Voronoi图在河南省城市网络研究中的应用

在讨论Voronoi图与中心地空间系统模型的基础上，运用Voronoi图分析了河南省城市网络，发现了河南省城市体系的一些新的分布特征和潜在的新兴城市。     

数字海图线性特征的识别、量测与综合

图形特征的变化是无究的,只是依据与位移、夸大、化简等相似的综合方法,而不包含图形特征的识别与量测,数字海图的自动综合是无法实现的。只有识别、量测和综合方法的组合,才是数字海图综合概念的全部体现。因而,本文模拟人的综合方法的同时, 点模拟了人的图形特征的识别方式,同时,经过Ｄｏｕｇｌａｓ二叉树方法的引入,给出了图形特征的识别与量测函数,实现了数字海图红性特征的自动综合。     

脉冲耦合神经网络支持下的网络Voronoi图构建

针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。     

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。     

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。     

河网汇水区域的层次化剖分与地图综合

对于具有网络状结构的河系数据的综合化简,判断河流分支在河网中的重要性需要考虑三个层次的结构信息:全局范围内的空间分布模式;局域环境下的分布密度;单条河流的几何特征。为提取这些结构化信息,本文基于网络分析运用Delaunay三角网模型建立了各级河流分支汇水区域的层次化剖分模型,其基本思想是将汇水区域划定当作“空间竞争”问题来求解,运用类似于Voronoi图的空间等剖分几何构造表达“袭水”过程,在各支流子系统内部及其环境之间通过Delaunay三角网骨架线确定汇水区域的分水岭。基于该层次剖分模型可计算河流分布密度、相邻河流间距、汇水范围及层次关系,进而推算出河系网中每一条河流的重要性系数,实现不同尺度下河流的综合选取。     

基于场论分析的建筑物群的移位

在多边形群目标综合中,移位是一种旨在解决空间邻近冲突的重要操作.以建筑物群在街道拓宽后产生移位操作为例,提出一种基于场论分析的移位方法,认为街区块多边形边界的收缩产生向街区块内部逐步传递并衰减的作用力,从而促使建筑物多边形的空间位置移动,借助于物理学场论中的"等势线"模型来表达这一移位现象.基于Delaunay三角网建立了类似于Voronoi图的建筑物群剖分结构,用于表达移位场模型的"等距离关系曲线".在移位场中目标的运动方向与运动距离由矢量和运算及梯度衰减函数计算完成.算法思想在一地图综合软件系统中已实现.     

平面离散点集拓扑邻近稳定区域计算模型

本文利用Voronoi图及其对偶Delaunay三角网研究了平面离散点集拓扑邻近稳定区域的计算方法,证明了点的拓扑邻近稳定区域必须满足的两个条件,给出了点的拓扑邻近稳定区域定量计算模型,并通过实验证明其正确性。     

Delaunay三角网与Voronoi图在划分城市影响空间中的应用研究

探讨了基于Delaunay三角网和加权Voronoi图划分城市影响空间的方法,论证了其合理性和可行性,并对两种方法进行了对比分析,最后以河南省为例进行了实证分析.     

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。     

基于Voronoi的海洋底质区域划界方法研究

在对Voronoi特性进行分析的基础上,运用Delaunay规则实现了海洋底质数据点的三角网化,从而间接生成了Voronoi图,再经过邻近区域的合并处理得到理想的底质划界区域。     

增/删点后的Voronoi图构造法研究

论述了在原Voronoi图的基础上增加点和删去点后生成新Voronoi图的算法.在增点过程中,针对新增加点后不满足Delaunay三角网特性的情况,利用最大最小角规则进行局部优化,根据优化后的三角网生成新Voronoi图;在删点过程中,针对删点的不同位置情况,修改相应Voronoi域,生成新Voronoi图.     

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。