数学形态学和模式识别在建筑物多边形化简中的应用

针对居民地图形化简的一个方面———建筑物多边形的化简,提出一种在与地图比例尺相关的动态栅格和矢量数据相结合的数据模型支持下,综合利用数学形态学和神经网络支持下的模式识别的化简方法。在VisualC++环境下实现基于此方法的系统并进行实验,实验结果说明此方法在保持街区的形态特征上效果明显。这种方法将制图综合知识融入图形化简操作之中,是自动制图综合智能化的一次新的尝试。

基于邻近四点法的建筑物多边形化简

对早期的局部线化简算法进行拓展和改善,提出一种以建筑物多边形上邻近四点组合为基本处理单元,以最小可视长度阈值为综合指标,通过对其凹凸结构的类型判别及区别处理,实现建筑物多边形快速化简的方法。将线化简中对三点或多点进行局部处理拓展为邻近四点,较好地保持了建筑物形态特征;有针对性地采取全局检查消除自相交现象,并探讨了起始点的选择问题。选取1∶10 000居民地数据进行多组地图综合试验,结果表明该方法可有效地保持多边形的轮廓特征与面积大小。

一种建筑物多边形合并、化简与优化的自动方案

介绍了一种城市地图中基于建筑物矩形几何特征的多边形全自动综合算法。采用Delaunay三角网探测多边形之间的拓扑邻近关系，根据视觉邻近关系聚合多边形。采用基于分割栅格多次扫描的方法对建筑物多边形进行化简以及形状优化。

建筑物多边形化简及优化的自动方案研究

针对居民地地图形状化简的一个方面——建筑物多边形的化简,通过对综合规则的研究和居民地几何特征的剖析,提出一种与比例尺相关的切割实现建筑物多边形化简的方法,在Visual Basic6.0环境下实现了该算法,试验结果表明此方法在保持街区的形态特征上效果较好。

顾及邻近五点的建筑物多边形化简方法

针对传统的建筑物化简算法无法准确保持建筑物局部细节几何特征,容易产生尖锐凸角等问题,提出了一种基于邻近五点的建筑物多边形化简方法。通过将多边形边界上的邻近五点定义为基本处理单元,实现对建筑物边界Z形平行、Z形不平行、U形平行、U形不平行的4类几何模式划分,进行渐进式化简,并针对化简过程中产生的尖角顾及角度约束对其削尖。对某地区部分1∶1万实际建筑物多边形数据进行试验,结果表明,所提算法在保持建筑物基本几何形态特征的基础上,能够尽可能地避免尖角的产生,化简结果更加符合人类的视觉认知。

结合建筑物多边形的建筑物阴影优化提取

基于遥感影像的建筑物阴影提取,其提取结果易受到提取方法、遥感影像质量、建筑物空间分布、其他地物阴影等因素的影响。为提高阴影提取结果的适用性,利用U-Net网络模型初步提取建筑物阴影,之后对提取结果根据形态特征进行约束,设置一定阈值剔除明显非建筑物阴影,然后针对密集建筑物阴影粘连问题,利用太阳方位角生成平行线,结合建筑物顶部多边形边界的角点从平行线中获取裁剪线,将阴影矢量图与裁剪线叠加,切割多余阴影,可得到与建筑物一一对应的建筑物阴影。利用该方法和最大似然法分别实验,分析结果表明,该方法优化处理后的阴影结果避免了错分现象,阴影特征信息明显,阴影边界清晰,在建筑物高度提取应用方面具有更高的适用性。

改进的邻近四点法建筑物多边形化简算法

针对应用邻近四点法化简建筑物多边形时因实际数据的复杂性及该算法的不完善出现的效率下降和准确性降低问题,该文提出了一种基于邻近四点法建筑物多边形化简的改进算法。该方法排除了冗余点的干扰,避免运算耗时;细化了基本处理单元的分类,避免遗漏特殊结构类型基本处理单元的处理;对建筑物多边形进行了分类及实时标记,以达到在同时考虑基本处理单元和建筑物多边形的情况下实现建筑物多边形化简的目的。实验结果表明:此改进算法更加实用化,且提高了建筑物多边形化简的效率和准确性。

利用约束D-TIN进行建筑物多边形凹部结构识别与渐进式化简

分析了位于建筑物多边形外侧的凹部结构特征及其类型,探讨了一种基于凹部层次结构的建筑物多边形渐进式化简方法,即以三角形为形状基元,用约束Delaunay三角化方法对建筑物多边形进行空间剖分,从凹部三角形树中提取三角形序列,通过匹配特征序列识别凹部的基本模式,以确定和实施相应的凹部化简方法,在此基础上迭代执行识别-化简过程,以实现对建筑物复杂凹部的渐进式化简。实验分析表明,该方法具有结构化和渐进综合的特点。

参数优化的建筑物多边形化简研究

本文针对建筑物多边形化简当前存在的问题,将参数优化的方法引入化简的全过程,在渐进式图形化简的基础上,通过把建筑物多边形的几何特征、结构特征和化简所遵循的一系列约束规则参数化、变量化表示,建立了建筑物多边形化简的数学模型,通过对模型的求解,来达到化简建筑物多边形的目的。成果已经应用于数字地图的生产,实践证明该算法的化简效果好,普适性较高,符合应用需求。

顾及居民地分布特征的建筑物分组合并算法研究

建筑物多边形分组合并是城市大比例尺地图综合中的重要问题。本文在建筑物群的约束Delaunay三角网空间剖分模型及目标间"视觉距离"计算模型研究基础上,以广州地区3种具有典型分布特征的建筑物群分组合并操作为研究对象,并基于"分而治之"的思想,分别提出不同处理方法。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成功应用。

建筑物白模多边形的自动合并

建筑物白模多边形数据可广泛应用于许多领域,但在实际应用中,由于数据太过细致,且目前使用的建筑物白模多边形数据存在拓扑关系错误,不满足生产要求,这给地图综合中建筑物群的自动合并提出了新的要求。因此提出了一种基于约束性Delaunay三角网的建筑物白模多边形自动合并方法,在保持建筑物整体结构和视觉效果的前提下减少不必要的细节。该方法能够消除原始建筑物图形数据中的空间拓扑关系错误,并对建筑物白模多边形进行一致性处理,有利于独栋整体建筑物的三维可视化。并用C#编程语言开发桌面应用程序对该方法进行了实现,通过和ArcGIS建筑物综合工具的建筑物群合并结果进行对比分析,验证了该方法的有效性和实用性。

一种融合局部异常因子的矢量建筑物群聚类方法

地形图中建筑物群聚类特征的挖掘对实现自动制图综合和空间知识挖掘具有重要意义,而识别城市中不同分布密度、不同形态特征的建筑物多边形群落存在较大难度。提出了一种融合局部异常因子(local outlier factor,LOF)的聚类方法,以建筑物的邻接图为基础,根据相邻建筑物之间的形态因子差异和邻近距离构建特征向量,使用LOF算法动态计算特征向量的异常程度,剔除异常向量,最终得到建筑物聚类簇。选取中国上海市和长春市的建筑物数据对该方法进行了验证,通过调整LOF值上限和K邻近数取得了最终聚类结果,实验结果表明,该方法能够有效识别和区分城市中密集分布的建筑物群。为解决城市密集建筑物群聚类问题提供了新思路,验证了格式塔准则的重要性,聚类结果达到了与人类视觉认知相符的效果。

曲线演化理论的建筑物要素简化方法

针对在制图综合中,建筑物要素的简化一方面应逐步去除细节以达到简化目的;另一方面应保持其直角、面积、位置等特征,以符合空间表达和认知的基本规律这一问题,该文基于曲线演化理论,通过构造曲线的演化函数,提出建筑物要素自动连续简化的方法。利用曲率演化的思想,使多边形形状逐步规则;利用常值演化的方法保持多边形的面积;利用角度和重心的定义,保持多边形的直角特征和位置。实验结果显示,提出的简化方法能在连续尺度上进行自动简化,能保证建筑物多边形的直角、面积、位置等特征。