基于Ripley’s K函数的南京市ATM网点空间分布模式研究

运用Ripley’s K函数的相关理论,以南京市ATM网点为研究对象,分别从平面与网络空间两种视角,在中心城区范围与主城区范围两种空间尺度上,通过单变量\begin{array}{c}K\end{array}函数法分析ATM网点的分布模式,通过双变量\begin{array}{c}K\end{array}函数法分析ATM网点与地铁站点的空间关联情况,最后对计算结果进行评价与分析。研究表明,ATM网点在南京主城区与中心城区均呈现出较强的集聚状态;在一定的距离范围内,ATM网点与地铁站点之间也有较强的依赖关系。同时,对于沿着路网分布的地理空间点状对象而言,利用网络\begin{array}{c}K\end{array}函数法进行空间点模式分析比用平面\begin{array}{c}K\end{array}函数法更加符合实际情况。     

核密度法的南京苏果超市分布热点探测

针对超市经营者进行选址优化和空间配置问题,该文以南京市主城区内苏果超市为例,利用平面核密度方法,对城市内零售超市的空间结构与分布模式进行分析,系统地研究不同类型超市的空间分布特征并进行热点区域的探测。研究表明,热点区域的探测结果符合商业网点分布的一般规律,南京主城区内不同类型苏果超市的空间分布表现出较大的空间区域分异:购物广场的热点分布于中心城区外围的次一级中心,社区店和标准超市的热点分布于居住区,便利店的热点大多分布于人口密集区域。     

基于GPU并行的遥感影像边缘检测算法

针对数字图像处理领域中单个像元之间相互独立的特性,采用图形处理单元(GPU)的CUDA可编程模型,从粗粒度和细粒度双层并行结构出发,结合对Block和Thread的合理调度,对边缘检测Roberts梯度算子进行了算法的并行化设计和实现。实验结果表明,该算法充分利用了GPU强大的浮点并行计算能力,运行效率明显优于常规的边缘检测算法,对高分辨率遥感影像并行处理技术发展提供了有益借鉴。     

一种Voronoi图的扫描地图矢量化方法

提出了一种基于Voronoi图的扫描地图矢量化方法。该方法首先对需要矢量化的图层所对应的图像进行二值化,采用二值栅格边界追踪技术提取边界像元;再以这些边界像元的中心点为基础建立Voronoi图,依据拟定的骨架线判定规则,提取满足条件的Voronoi边形成骨架线,获得矢量化要素数据。实验结果表明,该方法能处理较为复杂的扫描地图,具有较好的识别效果和处理速度。