面向道路网络地图示意化的线形简化方法

针对当前示意网络地图线形状简化方法中存在需要人工干预或地图认知度低的问题,本文提出自动化程度高并能保证良好地图认知的线形状简化方法.该方法通过合理设定线形状简化中所需的阈值以避免人工干预,提高了线形状简化过程的自动化程度,并通过在简化过程中应用平滑算法,以减少示意结果中线对象在方向上的转折数,从而提高了简化度和清晰度.试验表明该方法不仅可以生成清晰的示意结果,并且能够保证良好的地图认知度.     

顾及空间分布与注记相关性的点要素注记配置算法EI北大核心CSCD

点状要素注记自动配置问题是数据可视化研究的难点之一。稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题。本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法。首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,利用点要素的局部空间分布特征和注记相关性构建基于增序注记关联度模型的注记次序规则,并采用多层次元启发算法求解注记配置的近似最优解。试验结果表明:在5%~40%注记密度下的点要素注记配置,新算法较传统元启发式算法的求解效率提高10.41%~28.92%,注记质量评价函数值下降5.5~35.9,有效提升了点要素注记配置的效率和质量。     

网络地图服务中空间查询与分析的栅格化实现

地理信息获得了越来越广泛与深入的应用。空间查询与空间分析是GIS（GeographyInformation System,地理信息系统）的核心特征之一,也是空间信息服务（如Web Feature Service）实现中的关键问题。如何在网络地图服务场景下提供高效能的空间查询与空间分析功能是网络地图服务器设计与实现中的挑战性问题。本文提出了一种新型的网络地图服务器场景下空间查询与空间分析的栅格化实现思路。在给出了设计思想和原型系统结构之后,本文详细描述了基于亚像素精度绘制引擎的栅格化索引生成方法。随后给出了基于此种索引方式的空间关系判断方法（以Overlap算子作为例子）、空间叠加分析计算方法。通过本文原型系统与已有研究成果和相关实现的精度对比和并发性能测试,证明了本文算法的优势。     

基于生成对抗网络的建筑物损毁检测EI北大核心CSCD

建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义。本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversarial networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成。RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果。RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将识别结果作为第2条GAN分支的输入进行损毁建筑物检测任务,从而使检测结果具有更清晰的轮廓。该方法为端到端模型,在不需要过多的人工干预情形下,实现了损毁建筑物的自动检测。为了验证RS-GAN模型的效果,在圣罗莎和密苏里两个数据集上进行了测试。试验结果表明,RS-GAN方法拥有更好的检测性能,在圣罗莎数据集上的总体精度和平均精度分别达到了0.90和0.86。     

空间网络对时序InSAR相位解缠的影响——以Delaunay与Dijkstra网络为例EI北大核心CSCD

在时间序列InSAR相位解缠的过程中,相干目标需事先构建空间网络之后再进行模糊度解算。Delaunay三角网是当前时序相位解缠的主流构网方法,但其网络形态易包含高相位梯度的边缘,导致违背相位连续性假设。考虑到目前很少有关于空间网络对解缠影响的研究及相位解缠对InSAR技术测量精度的主导地位,本文在量化分析Delaunay网络对解缠影响的基础上,提出引入图论中的Dijkstra最短路径算法优化Delaunay网络中所有边的相位梯度,进而改善时序相位解缠的精度。本文采用模拟和真实数据对基于Delaunay网络和基于优化网络的相位解缠进行了对比验证。结果表明,本文提出的构网方法能够更好地满足相位连续性假设,减少约33%由解缠误差所导致的不闭合三角环数。较传统研究聚焦解缠方法和目标函数的改进而言,本文研究揭示了空间网络的改善对时间序列相位解缠的重要性。     

示意性轨道交通地图设计的研究

示意性地图作为一种特殊的专题地图,较之传统专题地图,有着不同的制图法则和制图方法,目前,示意性地图的设计还缺乏充足的理论依据和技术支持,本文从图面、风格、符号等方面对示意性地图的设计进行了研究,提出了一些示意性地图综合的方法,最后将这些方法应用到一个实例之中。     

从存量地形图到地理实体的自动化生产实践

目前全国多地都在积极推进新型基础测绘试点工作,其中,通过存量地形图数据生产地理实体是一项重要工作内容。本文介绍了地形图数据转换为基础地理实体的原理与主要流程,提出了一种从现有的DWG图和地形图数据库自动化生产地理实体的方法;基于iData数据工厂软件进行了实际数据的生产试验,验证了从地形图提取地理实体的可行性;总结了生产过程中的数据处理步骤和方法,统计了整个过程的自动化效率等详细信息,并分析了影响自动化效率的因素和提高自动化效率的方法,对从存量地形图数据生产地理实体的工作具有一定参考意义。     

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。     

Centrality-based hierarchy for street network generalization in multi-resolution maps

This paper introduces a new hierarchy for cartographic generalisation processes, applied in street networks. The aims of implementing this hierarchy are to emphasise on significant street features, and to provide more free spaces between street features. The hierarchy is obtained from the functional classes of the features and four centrality measures in a street network, i.e. betweenness, reach, straightness and closeness extracted from a primary graph. The values of centrality measures change in every zoom level by calculating a radius parameter, which depends on the users’ field of view. The coefficients for the measures are constructed using a decision-making technique called fuzzy analytical hierarchy process (FAHP). The weights for each of the centrality measures are computed and normalised to form the proposed hierarchy. The hierarchy is applied and used later in the thinning process to omit insignificant features from the street network in medium scales.     

一种自身全局最优的道路网Stroke生成方法

Stroke在道路网研究中发挥着重要作用,目前Stroke连接策略大多限于局部,对Stroke的全局表现考虑不足。针对以上不足,本文提出了一种自身全局最优的道路网Stroke生成方法,以起始路段为根结点,以连接规则为约束构建Stroke树,并通过随机森林算法投票选出每棵树的最优Stroke。经试验验证,自身全局最优的道路网Stroke生成方法在视觉认知和网络功能方面的表现均优于自身适合策略、自身最大适合策略及每对最大适合策略。     

道路地图示意性表达的可用性评估

当前示意性地图表达主要针对公共交通网络,缺乏对道路地图示意性表达可用性评估研究。本文选取景区和街道两个典型道路场景,采用最新的自动示意化方法生成示意地图,以主观问卷调查结合客观眼动试验的方式,评估道路地图示意性表达的可用性。试验结果表明:①示意性表达能够提升道路地图的简化度、清晰度及用户满意度,尤其对于原始道路形状较为复杂的情况;②示意地图中路径形状简化会造成不同路径感知长度差异的改变,从而影响到人们路径抉择行为;③对于路径示意性结果增加了道路网密集程度的情况,会降低示意地图认知效率。本文研究成果有助于道路地图自动示意性表达规则完善和方法优化,能够进一步提升地图示意性表达的实用性。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

Automated high resolution mapping of coffee in Rwanda using an expert Bayesian network

African highland agro-ecosystems are dominated by small-scale agricultural fields that often contain a mix of annual and perennial crops. This makes such systems difficult to map by remote sensing. We developed an expert Bayesian network model to extract the small-scale coffee fields of Rwanda from very high resolution data. The model was subsequently applied to aerial orthophotos covering more than 99% of Rwanda and on one QuickBird image for the remaining part. The method consists of a stepwise adjustment of pixel probabilities, which incorporates expert knowledge on size of coffee trees and fields, and on their location. The initial naive Bayesian network, which is a spectral-based classification, yielded a coffee map with an overall accuracy of around 50%. This confirms that standard spectral variables alone cannot accurately identify coffee fields from high resolution images. The combination of spectral and ancillary data (DEM and a forest map) allowed mapping of coffee fields and associated uncertainties with an overall accuracy of 87%. Aggregated to district units, the mapped coffee areas demonstrated a high correlation with the coffee areas reported in the detailed national coffee census of 2009 (R² = 0.92). Unlike the census data our map provides high spatial resolution of coffee area patterns of Rwanda. The proposed method has potential for mapping other perennial small scale cropping systems in the East African Highlands and elsewhere.     

室内楼层平面导航路网模型的自动生成

室内路网模型作为室内导航研究的基础,如何自动生成室内路网模型成为近年的研究热点.对于目前自动路网模型研究中出现的复杂环境适应度不够的问题,本文提出了一种室内楼层平面路网模型的自动提取方法.它将室内空间分为公共空间和专属空间两类,从而形成公共空间路径和专属空间路径,并用转换点将两类路径进行衔接;最终利用提取的公共空间路径...     

自动化样本生成策略用于冬季作物制图——以兰陵县为例

准确地获取作物空间分布是作物生长监测和产量预测的前提。目前,遥感图像处理需要足够的人工采集的训练样本,因此,大规模作物分布的自动获取仍然是一个挑战。以高效、经济的方式获得足够的训练样本成为作物制图的关键因素之一。因此,本文结合冬季作物物候特征与Sentinel-2时间序列影像,提出了一种自动化样本生成策略用于冬季作物制图。首先,利用归一化植被指数（NDVI）时间序列曲线进行冬季作物的判别;然后,通过时间序列曲线相似性度量的方法,判断样本点与标准的绿色叶绿素植被指数（GCVI）时间序列曲线的差距,从而为未知样本赋予正确的标签;最后,利用获取的样本训练随机森林模型,实现研究区域的冬季作物提取。最终精度评定结果：总体精度（OA）为98.46%,Kappa为0.973,表明该方法对于快速实现冬季作物自动制图的有效性。