共查询到16条相似文献，搜索用时 160 毫秒
1.
泰森多边形和狄洛尼三角网的林木空间格局分析 总被引：1，自引：0，他引：1
Voronoi图依据地物之间邻近关系对空间进行剖分,Delaunay三角网是Voronoi图的对偶图.文章以单株木为平面点构建Voronoi图和Delaunay三角网,Voronoi图多边形面积表示林木影响范围,Delaunay三角网中每个三角形边长表示对应林木之间距离.在岳阳平江福寿林场设置12块标准地进行试验,计算基于Voronoi图的角尺度、传统的角尺度、基于Delaunay三角网的集聚指数和Voronoi图多边形面积的变异系数,结果表明:这4个指数均能反映样地林木之间的空间分布,变异系数对空间均匀分布和聚集分布有较好的区分度. 相似文献
2.
3.
4.
针对平面点集空间分布的复杂性,本文提出了一种基于Delaunay三角网的平面点集形状重构方法。首先采用一种简单且实用的数据结构以表达Delaunay三角网中嵌入的几何信息和拓扑信息,然后由外向内迭代过滤Delaunay三角网得到一个大概边界,最后进一步考虑边界的凹凸信息和空洞现象,获取最终的精细边界。试验结果表明与其他典型的Delaunay三角网重构方法相比,本文提出的算法能更好地适用于平面点集空间分布的复杂性,通过所构建的数学模型实现了凸凹多边形内外边界提取。 相似文献
5.
保持空间分布特征的群点化简方法 总被引：27，自引：5，他引：27
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。 相似文献
6.
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. 相似文献
7.
使用具有完备空间拓扑信息表达能力的数据结构-四方边缘结构(Quad-Edge),快速地构建Delaunay三角网和它的对偶Voronoi图,进而实现了限定Delaunay三角网(CDT)的创建,生成符合实际应用要求的TIN。在此基础上实现了等高线和断面的生成,对带洞的TIN也作了一定程度的研究。 相似文献
8.
河网汇水区域的层次化剖分与地图综合 总被引：2，自引：0，他引：2
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。 相似文献
9.
10.
11.
提出一种三维散乱点云的Voronoi拓扑近邻点集查询算法,该算法改进R*-tree建立三维散乱点云的空间索引结构,采用动态扩展空心球算法获取样点的k近邻点集,通过偏心扩展和自适应扩展获取样点拓扑近邻参考数据,生成该局部点集的Voronoi图,查询样点Voronoi邻域获取样点拓扑近邻点集。通过算法时间复杂度分析及相关实验,证明该算法可快速、准确地获取任意复杂散乱点云的Voronoi拓扑近邻点集。 相似文献
12.
讨论了建立约束Delaunay三角网算法的研究现状,采用“逐点插入法”和“多对角线交换算法”构成“两步法”,在此基础上,从建立高精度三角网模型的需求出发,研究以大数据量等高线为约束边进行Delaunay三角剖分的改进算法。针对“逐点插入法”,采用网格分块的方法对构网点集和已生成的三角网建立索引,提高了点的查询速度和点在三角网中的定位速度,提高了三角网的生成效率;针对“多对角线交换算法”,增加了一些特殊情况的处理,提高了算法的健壮性和交换速度。 相似文献
13.
基于Delaunay三角网的空间邻近关系推理 总被引：2，自引：1，他引：1
空间邻近关系是一种重要的空间关系,对这种关系的识别是任何空间建模系统所必须的。Delaunay三角网是根据最小角最大规则建立的一种三角剖分,可以较好地表达空间目标之间的邻近关系。利用Delaunay三角网对空间邻近关系进行了描述,在此基础上提出了空间邻近关系推理方法。 相似文献
14.
数字海图点群状特征的识别、量测与综合 总被引：1，自引：0，他引：1
空间分布特征的保持是点群自动综合的核心和难点所在,为此,本文定义了4个参量：分布范围、分布密度、分布中心和分布轴线,来描述点群目标的结构化信息。利用Delaunay三角网和Voronoi图两种模型,着重探讨了点群分布特征的识别和量测问题,并在识别与量测的基础上,通过Voronoi图的动态构建,给出了点群自动综合模型,通过实际岛群数据的检测,证明了模型的正确性与可行性。 相似文献
15.