共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
针对在序列比例尺地图综合中较少涉及如何构建面向大规模工程化应用的、顾及不同居民地分布特征的建筑物综合算子的现状,该文以广州地区为例,从纵横两条线开展。纵向上,对建筑物随尺度变换依次从单幢房屋向建筑群组、建筑区域、街区转换过程中涉及的综合操作和关键算子进行研究;横向上,主要研究同一尺度转换过程中顾及空间分布特征的建筑物多边形分组合并方法,基于"分而治之"的思想对城区、城中村、郊区等三种典型样本设计综合算子。该文设计的算子兼顾了适用性和效率,在广州地区序列比例尺空间数据库快速构建中得到了应用。 相似文献
3.
曲线弯曲深度层次结构的二叉树表达 总被引：10，自引：1，他引：10
地图综合要顾及目标的几何特征、语义特征和拓扑特征，其中地理意义是控制综合算子系统、参量调整的决定性因素。就线状要素而言，单从角度、距离、矢高等几何特征出发设计的曲线化简算法只能算作对曲线坐标串的几何压缩，不是真正意义上的地图综合。由于曲线的弯曲特征在表达线状地物地理特征上具有重要意义，对弯曲特征的识别、结构描述及操作分析成为目前线要素制图综合的研究热点。本文基于约束Delaunay三角网模型提出一种方法描述曲线弯曲特征在深度上的层次结构，对曲线上的矢量点构建三角网，在三角网覆盖区域里，由外向内进行三角形的“剥皮”操作，根据“剥皮”操作，根据“剥皮”进行过程中遇到的特征三角形构建二叉树，实现大弯曲套小弯曲层次结构的表达。该方法基于Gestalt对称性、连续性原则、对二叉树结点进行考察，可提取认知意义上的真正弯曲。本文同时给出了弯曲特征二叉树在多边形（闭合曲线）综合化简中的算法设计及实验结果。 相似文献
4.
《测绘科学技术学报》2018,(5)
点群的自动选取是制图综合的重要内容。在Voronoi图点群选取的基础上,提出一种顾及多特征约束的Voronoi图点群选取方法。该方法顾及了描述点群要素重要性的空间分布特征、拓扑和密度特征、专题属性特征以及与其他要素的关联特征,构建了基于综合特征重要性的度量模型,并作为约束条件应用于Voronoi图点群要素的选取。实验结果表明,该方法不仅可以综合考虑点群要素的多种重要性特征,而且能够较好地保持点群综合前后空间特征的一致性,符合传统制图综合规律,具有一定的普适性。 相似文献
5.
6.
图廓整饰是地形图的重要组成部分,也是地图输出过程中的一个重要环节。针对现有软件生成图廓整饰缺乏标准性和灵活性的问题,文中分析不同比例尺地形图图式规范,归纳总结出图廓整饰的内容,并根据图形特征与位置分布加以分类。在此基础上提出一种设计方案,通过对每个整饰要素定义相对坐标系和添加参数属性的方法,可以实现整饰要素的精确生成以及灵活调整。根据设计方案进行相关开发予以实现,实践结果表明,该方案确实有效,能实现地形图图廓整饰的自动化生成,提高制图工作效率。 相似文献
7.
8.
针对微地图中手绘地图线要素转折点信息冗余,影响其传输、存储与渲染效率的问题,该文提出了一种基于头/尾断裂分类规则的手绘地图线要素综合方法。该方法根据手绘地图线要素转折点具有重尾分布的特征以及分形理论中局部图形与整体相似的原理,较好地解决了传统综合方法中要素的取舍过于依赖制图人员经验,导致综合结果容易出现失真和偏误的问题,实现了微地图中手绘地图线要素的综合与化简。实验结果表明,使用头/尾断裂分类规则,可以在多细节层次下,较为合理地为手绘地图线要素的转折点进行分类选取,且选择保留的少数头部点能有效保持原有线要素的几何特征,从而提高了传输、存储与渲染手绘地图线要素的效率。 相似文献
9.
建筑物选取是地图综合的关键步骤,需要考虑目标大小、方向、形状、密度等多种上下文因子进行重要性评价与选取决策。现有方法大多考虑单一或少数几个因子,通过人工设置选取规则与参数,导致选取模型适应性不强。本文构建一种数据驱动的图卷积神经网络选取方法,该方法利用Delaunay三角网将建筑物目标组织为图结构,节点表示建筑物中心点,连接边体现建筑物之间的邻近关系,并计算建筑物的大小、方向、形状、密度特征作为对应节点的描述特征;然后叠加多个图傅里叶卷积运算构建图学习模型,并采用半监督学习方式训练模型,使之具备决策单个建筑物保留与否的能力。试验表明,本文方法能从少量的标注样本中有效地学习建筑物选取知识,在保留重要个体目标的同时也能较好地保持原有空间分布密度关系,克服传统方法在规则定义与参数设置方面的难题且不依赖于大量人工标注,为建筑物综合选取的智能化实施提供潜在的技术途径。 相似文献
10.
空间聚类是挖掘空间知识的重要手段之一。针对现有方法难以处理几何、分布特征差异大的面群聚类问题,本文提出了一种面要素分布密度的描述参数—聚集度,并设计了一种自然面群聚类方法。首先,分析了面要素分布密度的影响因子,定义了聚集度的概念,设计其计算方法并验证其有效性及优势;然后,基于聚集度和边界最短距离建立相邻面从属关系,识别聚类中心,完成初始群组的构建;最后,围绕群组特征设计了边缘检测和群组合并模型,实现了邻近相似群组的合并。试验表明,相较于最小生成树、强度函数聚类方法,本文方法兼顾几何特征、分布特征的复杂性,有效提升了自然面群的聚类效果。 相似文献
11.
针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。 相似文献
12.
对于采用启发式或群智能搜索的组合最优化移位算法,地图要素空间关系与空间分布特征的保持是一个难题.本文基于免疫遗传算法提出一种移位安全区约束下的建筑物群最优化移位方法.该方法将建筑物群的移位问题定义为一个多目标最优化问题,然后采用免疫遗传算法搜索最优解.为了尽量保持建筑物群的空间关系和总体分布特征,避免出现拓扑错误,采用Voronoi图和缓冲区构建每个建筑物的移位安全区,以限定建筑物的移位范围;同时,采用建筑物群组整体移位策略,保持局部空间分布模式.最后,以北京市某部分街区建筑物群的移位为例验证改进算法的有效性,结果表明所实现算法能够在解决邻近冲突的同时,较好地保持地图目标间的空间关系和空间分布特征. 相似文献
13.
深度学习技术促使诸多领域研究取得突破性进展, 基于深度神经网络的地图综合研究备受期待。将建筑物综合过程抽象解释为编解码过程, 系统地研究基于编解码结构的深度神经网络在建筑物综合中的应用。首先, 利用空间划分与矢量-栅格数据转换相结合的方式构建样本和样本集; 然后, 利用样本集训练基于编解码结构的深度神经网络, 实现建筑物综合学习泛化并测试、评估其效果; 最后, 搭建5种代表性的基于编解码结构的深度神经网络, 分析比较各模型在建筑物综合中的应用效果。实验结果表明, 基于编解码结构的深度神经网络能够从建筑物综合样本中学习或推理出部分建筑物综合知识和综合操作, 且5种模型中Pix2Pix更适用于建筑物综合的学习模拟。 相似文献
14.
以深度学习为代表的人工智能技术为制图综合智能化水平的提升创造了有力的条件.然而,智能学习模型的应用依赖高质量的样本数据,目前还缺乏适宜制图综合知识学习的案例数据集.以不同比例尺居民地要素综合为例,深入探讨服务于智能化制图综合的样本数据采集建库方法.主要工作包括:依据地图数据组织特点和制图综合过程决策需求,提出了区分特征型案例和变换型案例的样本数据组织体系以及相关的数据结构设计;基于通用GIS平台设计了样本数据采集与管理系统,形成对样本数据采集、存储、修正、更新等全链条的管理维护框架.本研究是针对图形表达的地图要素如何构建案例数据集的有益探索,对推动以制图综合为代表的复杂地图空间知识学习具有积极意义. 相似文献
15.
建筑物作为城市中的重要地物,分析其群组模式对地图综合、导航定位、市政规划等具有重要作用。建筑物群组模式分析目前主要有基于规则的方法和基于机器学习的方法两种。基于规则的方法和基于传统机器学习分类器的方法均需要大量的人工处理过程。近年来兴起的深度学习特别是图卷积神经网络前期无需人工处理,因此提高了建筑物群组模式分析的自动化程度。传统的图卷积神经网络模型在训练深层网络时易出现退化问题,提取深层特征困难。为解决此问题,本文引入了图残差神经网络模型用于建筑物群组的模式分类。首先使用道路和河流等作为约束条件,利用K-means方法对建筑物进行聚类;然后根据Bertin视觉变量计算对应的建筑物特征指标,在每个建筑物群组中以建筑物质心为节点,连接节点的最小生成树作为边,构建建筑物群组图结构;最后将得到的图结构数据输入图残差神经网络进行训练,得到规则和不规则两种建筑物群组模式。试验结果表明,该模型较好地解决了传统图卷积神经网络模型的退化问题,并取得了更高的精度。 相似文献
16.
针对线要素综合质量评价中的形状相似性评价问题,提出一种基于双侧弯曲森林形状表示模型的线要素形状相似性评价方法。引入约束Delaunay三角网及其凸包,生成线要素的双侧根弯曲序列,并在每个根弯曲上生成弯曲树,使用三角形表达每个层次上的弯曲,从而建立基于双侧弯曲森林的线要素形状表示模型。在该模型基础上,顾及线要素的地理位置特征,对综合前后线要素的形状相似性进行评价。实验结果表明,该方法能够区别不同层次上的形状特征,与形状认知的层次一致,能够有效辨识综合质量是否存在问题。 相似文献
17.
城市空间信息平台的建设既要考虑宏观上的大区域空间格局分析,也要有微观层上的细节化信息分析,因此产生多尺度空间表达的需要.三维空间数据的多尺度表达,不同于二维数据,不仅要顾及输入数据的粒度特征,还要顾及可视化渲染软件平台的技术特征.鉴于Cesium成为三维空间数据可视化表达的重要平台,本研究基于Cesium系统平台及其三维可视化空间数据渲染基础功能,提出一种城市建筑物三维地图综合及多尺度可视化的方法,基于空间邻近、形状细节特征构建多层次二维数据基础,然后在多分辨率三维视觉感知条件下,实现三维建筑物的多粒度可视化渲染. 相似文献
18.
19.
树状河系作为地图骨干要素之一,其简化效果直接决定地图综合的质量。树状河系简化需要考虑其语义、几何、拓扑和结构等多种特征,而现有方法大多只注重了长度、角度和属性等约束性量化指标,致使简化后的空间分布特征容易被破坏。本文首先研究基于树状河系有向拓扑树（DTT）的特征智能识别方法,然后依据Paiva提出的"180°假设"和"锐角假设",从河口出发,自下游向上游建立顾及河流语义、长度、角度约束的树状河系stroke连接,并据此判断树状河系层次关系,最后提出河系整体选取数量确定方法和顾及密度差异的河系分层剔除选取算法,实现树状河系自动化简化。经样本数据测试,验证了该方法的可靠性,同时经实际数据测试,验证了该方法在树状河系简化中的合理性和有效性。 相似文献
20.
针对TIN三角网在实现地图面要素聚合过程中效率低下的问题,提出了一种基于TIN面要素聚合的优化方法。首先,利用格网的方法聚类面要素,缩小TIN搜索范围;然后,在聚类的基础上进行TIN三角网的构建实现面要素的综合;最后,实验验证了综合结果,并通过对比证明了算法的效率。 相似文献