Li-Openshaw算法的改进与评价

Li—Openshaw算法是一种基于客观综合自然规律的自适应线状要素综合算法,使用该算法可得到较合理真实的综合结果。在分析Li—Openshaw算法特点的基础上,依据线化简的原则和目的,对算法进行改进：①首先提出利用点与直线的关系来识别弯曲以找出所有局部极大值点的方法以保持曲线整体形状;②SVO圆形与待综合曲线发生多次相交时按照线的顺序索引找到第一个近似交点,选取与曲线上圆心与交点的中点最接近的原始数据点作为综合后的选取点。在此基础上,给出化简时间、位移标准差和位置误差等评价指标,提出基于分形理论的曲线形状结构特征的评估方法等对两种算法进行比较与评估,实验结果证明,同原算法相比,改进的Li—Openshaw算法在线化简中更好地保持曲线的整体形状,具有较高的位置精度,提高化简效率。     

线要素化简算法的时间复杂度分析

线状要素是地图中数量最大、要素类型最多样的要素,其化简在地图自动综合中占据了重要的地位.目前对线状要素化简算法的改进、化简质量、化简精度等方面的研究较多,对线状要素化简算法的效率研究较少.此处是在兼顾化简质量的前提下研究算法效率,通过分析化简算法约束参数的特征,将线状要素化简算法分为6类,选取其中的几个典型算法,分析了其时间复杂度,并按照线状要素化简算法的时间复杂度将其分为线性算法和非线性算法两类,初步探讨了适合这两类算法的并行计算方法.     

军交图数据库支持下线状要素的自动化简

本文主要内容包括线状要素形状化简的算法、线状要素几何上的合并——双线河合并为单线河,并对实验样图进行了分析。     

不确定线-面拓扑关系的描述与判别

不确定线状目标和面状目标之间拓扑关系的描述是空间信息处理过程中经常面对的问题。在对不确定线状目标和面状目标进行描述的基础上,对不确定线状目标与面状目标各组成部分之间的相交程度进行了定量表达,通过计算这些度量组成的空间向量与9-交集模型确定的空间关系向量之间的相关度,提出了一种不确定线状目标和面状目标之间拓扑关系的描述模型,通过定量的方法来对其空间拓扑关系进行判别。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要。目前对线状要素化简的算法研究较多,但其化简质量却少有研究。针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性。通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要.目前对线状要素化简的算法研究较多,但其化简质量却少有研究.针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性.通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施.     

多尺度表达中线状要素的综合不确定性评价模型

在考虑节点化简的基础上建立了节点数据不确定性评价模型,基于曲线光滑模型建立了线元模型不确定性评价模型,在此基础上,根据不确定性传播律构建了由数据不确定性和模型不确定性合成的线状要素多尺度表达不确定性的综合评价模型。实验表明,综合不确定性指标值作为线状要素多尺度表达不确定性的量化指标是有效的。可将其用于计算线元不确定带的宽度,解决线状要素多尺度表达不确定性空间分析和推理问题;并用于线状要素多尺度表达的质量评价与控制。     

一种顾及空间关系约束的线化简算法

线要素化简在制图表达与综合领域一直是研究的热点和难点之一。然而,经典化简算法多针对单独线要素进行处理,缺乏对该线要素与周边线要素之间整体空间关系的考虑,并且,存在计算结果生硬(D-P算法)、局部极值点缺失,特别是在曲度较大之处出现相交异常(L-O算法)等问题。为此,本文提出一种顾及空间关系约束的线化简算法,建立线要素全局化简方法(LGSM)和矢量位移、面积位移等5类评价指标。采用等高线、河流和道路3类线要素实际数据进行了试验,充分检验了本文算法的优越性,其处理结果符合开方根模型规律,降低了曲线复杂度,在保证全局空间关系不变条件下,不仅更好地保持了曲线整体形状特征,而且光滑美观、精度高。     

基于层次信息量的线要素化简算法性能评价研究

化简算法是地图综合的一类基本算法,而算法性能评价是解决算法优化和算法选取的一个重要问题。现有评价指标更多地考虑要素化简前后的位置偏移,难以客观地评价算法性能。为此,本文以线要素为例,全面考虑线要素化简原则,从信息传递的角度,提出一种基于层次信息量的线要素化简算法性能评价方法。首先将线要素的信息划分为三个层次来描述,即：元素层次、邻域层次和整体层次,并发展相应的信息量计算方法。然后,从化简后各层次信息量的保持能力（或信息传递能力）来评价线要素化简算法的性能。其中,元素层次信息传递比评价关键点保持性能;邻域层次信息传递比评价弯曲保持性能;整体层次信息传递比评价整体形态保持性能。最后,以河网为例,采用层次信息量指标,对四种经典化简算法进行评价,分析验证了层次信息量评价指标的合理性,与经典评价指标的对比分析进一步验证了该指标的优越性。     

基于分形理论的线状要素的地图自动综合算法实现

线状要素的制图综合往往由于数据容量过大在选择比例尺可视化输出时不能进行清晰图形表达.本文基于分形理论中的步距算法,在visual studio中开发系统窗口平台,以线状要素为研究对象,实现对线要素的地图自动综合计算,从而以少量控制点清晰表达出图形的轮廓特征.该方法较好的保持了地图的形状特征和细节,使化简的图形与原始数据的图形在形状结构特征上基本保持了一致性.     

利用多级弦长弯曲度复函数构建复杂面实体综合形状相似度量模型

介绍了一种复杂带洞面实体空间对象的几何相似度度量方法。该方法提取面实体的中心距离、轮廓线的多级弦长、弯曲度及凸凹性等特征,构造多级弯曲度半径复函数对其局部和整体特征进行描述,并通过傅里叶变换得到傅里叶形状描述子对面实体间的形状相似性进行度量。同时根据场景完整度和相似性度量模型计算复杂带洞多边形中每个场景的匹配度,利用多级特征完成复杂面实体间的几何相似性度量。对不同空间复杂度的面实体的几何相似性的度量试验表明,该方法简单可行且不失精度,结果符合人类认知。     

割线中点距离的面要素匹配算法

针对面要素图幅接边中出现的由于端点距离计算量大导致程序效率低的问题,该文提出了一种基于割线中点距离匹配的边界匹配方法。该算法通过获取面要素与边界线重叠的各线段的中点,对各中点进行距离匹配,从而完成面要素各段割线的匹配与割线端点的匹配。通过对割线中点的匹配,减少面要素匹配中需要匹配的点,达到节省时间的目的。通过面要素匹配实验证明:该算法可以在确保匹配准确性的情况下有效缩短面要素边界匹配的时间。     

一种基于几何特征的面状地理要素变化检测方法

利用分类方法快速更新基础地理信息数据是保持其现势性的一种重要方法,分类后变化检测是其中一个难点.文章提出一种基于几何特征的面状地理要素变化检测方法,将提取的面状地理要素与待更新要素对比,计算两者多边形质心距离、形状系数、周长和面积相似程度等几何特征来判断要素是否发生变化,从而进行更新.实验结果表明,该方法能处理分类后多...     

矢量多边形模式识别的小波方法

提出了一种基于小波描述子的矢量多边形的模式识别方法,首先分别计算目标多边形与模板多边形的小波系数矩阵,再通过两个矩阵求取两多边形之间的非相似度,最后通过非相似度来确定是否匹配成功。并且,由所选用的小波的性质,可针对性地计算能够体现多边形特征的系数进行比较,从而使识别效果更好。实验结果表明该方法识别效果好,运算效率高,对平移、旋转、缩放等变换不敏感,是一种有效的矢量多边形模式识别方法。     

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

基于空间相似性的面实体匹配算法研究

同一地物在不同来源的地图上通常存在着差异,其识别或匹配对于不同数据源的地图编制来说很关键。面状地物要素在很多地图表示中都占有很大的比例。基于人眼综合已有信息来识别同名实体的思想,本文提出了基于空间相似性的面实体匹配算法。该算法将面实体作为一个整体看待,采用加权平均法来综合面实体的位置、形状、大小等特征的相似度,进而根据获得的总相似度大小确定匹配实体。算法在确定位置相似度时选择形状中心点对面实体进行惟一标识;采用形状描述函数来计算形状相似度,不容易受各种干扰而影响精度,避免了形状信息的丢失;面实体的大小通过其覆盖面积来度量。实验结果表明该方法具有良好的稳定性和可靠性。     

建筑物多边形高精度识别的傅里叶形状描述子神经网络方法EI北大核心CSCD

形状识别是地图空间认知的重要内容之一,结合有效的形状特征向量提取方法和空间认知试验的神经网络方法是提高形状识别的有效途径。本文构建了一种融合了圆形度、偏心率和矩形度等宏观形状特征参量的傅里叶形状描述子作为形状特征向量的神经网络建筑多边形状识别器。首先,利用傅里叶变换和计算几何方法分别提取建筑多边形的傅里叶形状描述子及圆形度、偏心率、矩形度参量,并组成形状特征向量。然后,通过样本数据的训练实现了建筑多边形与形状模板之间匹配的神经网络识别器。结果表明,本文方法相较于以往的方法大幅度提高了精度(达到98.7%),而且特征提取算法不受多边形点数不一致的限制。通过对武汉、郑州两大城市的真实建筑物数据进行形状识别,证实该方法具有较好的识别效果。     

应用湖泊中心点作为控制点实现大区域遥感影像的配准

在进行北美阿拉斯加地区多期影像湖泊变化分析过程中,由于该区域长期被冰雪及湖泊覆盖,几乎没有较明显的地面标志点可作为影像配准控制点,给影像的配准工作带来困难。在分析长时相区域湖泊形状变化的基础上,认为湖泊中最稳定的点为湖泊的中心点,该点位置随湖泊面积的变化不大,可以作为影像配准的控制点。与多边形质心相比,多边形的最大内圆圆心始终位于多边形的内部,且以该点为圆心的内圆半径最大(对应的内圆即为最大内圆),其计算方法可以应用矢量多边形的Voronoi图来求得。本文在分析简单多边形Voronoi图性质及其计算方法的基础上,提出了一种面向复杂多边形的最大内圆圆心点查找方法,给出了其算法实现流程与算法的复杂度分析。通过北美阿拉斯加地区湖泊最大内圆圆心查找的测试实例,表明本文提出的方法能够较好地计算出各种复杂矢量多边形的最大内圆圆心点,并达到较高的计算效率,且以多边形最大内圆圆心点作为配准点实现的影像间配准效果也较好。     

面状空间要素相似性度量方法研究

不同尺度、来源的地图上同一要素通常具有一定的相似度。地图空间要素相似度在GIS领域具有广泛的应用。论文在总结前人相关成果的基础上分别从位置(距离)、形状、大小三个方面给出了面状空间要素相似性度量模型:以分形维数和面积/周长(紧凑度)作为相似特征的形状相似度;以中值距离作为相似特征的距离相似度;以面积或周长作为相似特征的大小相似度。最后,以多尺度面状空间要素为实验数据,通过比较分析验证了本文提出的相似性度量模型可行性。实验结果表明:以中值距离、分形维数作为相似度指标的度量模型综合考虑了面状要素局部结构和整体分布,在面状空间要素相似性度量方面具有很好的稳定性。