利用影像变化检测更新空间数据库的方法综述

在回顾前人运用数字图像处理技术从遥感图像中提取空间变化特征经典算法的基础上,总结出基于特征的、基于图层的和基于像素的三种方式提取影像特征的方法。实验结果表明该方法适用于轮廓较明显的目标,同时具有速度快、精度高、稳定性强的优点。     

热敏直接制版与数码打样技术

CTP (计算机直接制版) 技术,特别是热敏直接制版技术已经在世界范围内得到了广泛应用,它是印刷工业发展的大趋势.在某种程度上说,CTP技术推动了数码打样技术的发展,数码打样设备成了CTP系统必需配备的关键设备.针对CTP技术和数码打技术以及二者的关系进行了介绍与讨论,进一步对数码打样技术的应用进行了理论上和实践上的探讨.另外,在CTP环境下,比较细致地分析和讨论了如何输出数码打样来模拟胶印效果,通过多次数码打样实验、数据分析与校正,最终数码打样与胶印结果非常接近.     

浅析城市公共区域与非公共区域地下管线普查作业特点

城市地下管线是保障城市运行的重要基础设施和"生命线",开展城市地下管线普查工作,是经济社会发展的需要,城市管线普查覆盖的区域包括公共区域和非公共区域.本文从城市地下管线普查中公共区域和非公共区域地下管线的分布特点、探测的难易程度、方法和管理工作进行了讨论分析,给出了解决办法,对城市地下管线普查工作的开展具有一定的指导意义.     

数字地图制图中多源数据(资料)的综合应用

探讨了数字地图制图中多源数据综合应用的技术方法,主要内容包括多源数据(资料)的分类、分析与评价;数据获取和基本的处理方法.最后介绍了利用TM影像、全国公路网GPS测量数据和数字海图等几种数据源制作1:25万协同图的相关情况.     

苏北浅滩外侧潮汐锋的季节变化及结构分析

利用高分辨率(1/18°)的POM(Princeton Ocean Model)模式数值模拟结果,结合观测数据分析了苏北浅滩外侧潮汐锋的季节分布特征和变化规律。研究结果表明,苏北浅滩外侧潮汐锋的季节变化特征显著,春末开始出现,夏季底层温度锋强度最大且锋区位置较稳定,锋区宽度约40 km,平均强度约0.35℃/km,秋、冬季随上层海洋湍流垂向混合的加强,潮汐锋逐渐减弱至消失不见。对比实测数据和模拟结果发现,沿34°N断面,夏季潮汐锋区附近等温线明显抬升,存在由陡峭地形和分层流体的内埃克曼效应共同作用形成的上升流现象。次表层海水出现低温冷水区,位于122.2°E附近。跨锋区断面的温度和流场分布特征同浅水区强烈的潮混合过程密切相关,斜压在锋面处产生了较强的南向流动。本研究结果促进了对苏北浅滩外侧陆架潮汐锋结构特征的认识,为研究黄海西部生态环境的动力过程影响提供参考。     

兼顾几何连通性与名称一致性的城市道路实体构建

提出了一种兼顾几何连通性与名称一致性的实体化构建方法。首先,对城市道路的实体化原则进行描述;其次,提出基于反比例函数的归一化的几何连通度度量方法,以及基于语义切分的名称匹配度度量方法;最后,通过路口提取、综合匹配度计算、路段匹配、路段连接及借道处理等步骤,实现完整的城市道路实体化构建流程。以郑州市主城区为试验区域进行具体构建试验,验证了本方法的准确性。试验结果表明,利用本文提出的算法进行实体化匹配的总体准确率为99.89%。     

顾及几何特征相似性的多源等高线匹配方法

已有的多源等高线匹配方法主要基于等高线拓扑关系构建以及基于空间欧氏距离的相似性度量,缺少对等高线几何形态相似性的考虑,在等高线密集区域、图幅边界区域以及地形变化剧烈区域易产生误匹配情况。为此,本文提出一种基于几何特征相似性的由粗匹配到精匹配的多源等高线匹配策略。提出顾及局部特性的基于节点曲率以及法向量与横坐标轴夹角的混合特征描述测度,将等高线点序列转化为几何形态特征描述序列,引入最长公共子序列算法,量化计算多源等高线数据之间的相似程度,并依据相似度实现同名等高线匹配。利用模拟数据和真实数据对本文方法的可靠性和运行效率进行验证,试验证明,本文提出的匹配策略顾及了等高线空间位置特征和几何形态特征,能够保证较高的匹配精度和运行效率,并具有较好的适用范围。     

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。     

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。     

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。