连通域标记算法的并行化研究

连通域标记算法在地理栅格数据分析中有广泛应用,当面对大规模地理栅格数据时,连通域标记串行算法十分耗时,亟须算法并行化。但目前连通域标记算法还缺乏并行化,更缺乏对不同并行技术实现时的性能对比。该文对常用的连通域标记两遍扫描法进行了并行化设计,并分别利用OpenMP和MPI两种并行技术实现了不同版本的并行算法,以适用于单机多核、多机多处理器等不同的并行计算硬件环境。对所实现的并行算法在单节点、多节点的不同测试环境下,以不同数据规模和不同连通域复杂度情况的数据进行效率测试,结果表明:该算法均大幅缩短了运行时间;在数据量较小且连通域数目较少的情况下更适合使用OpenMP版本的并行算法;若图像数据规模较大时,MPI并行算法更快、更高效,但是在多节点的集群环境中,如果连通域情况复杂,进程数的增多并不能保证获得更好的加速效果。

面状矢量拓扑数据快速栅格化算法

针对GIS面状拓扑数据,提出了一种快速栅格化算法———差分边界标志与累加扫描算法.首先对所有的面状拓扑数据中的弧段进行顺序扫描,在栅格缓冲区中利用差分边界标志法进行边界标志,然后利用累加扫描线法对栅格缓冲区的各行从左至右进行累加扫描充填.该算法不仅实现简单,而且由于算法中充分利用了弧段的拓扑特征,避免了多边形区域的组织和弧段的重复处理,从而保证了海量面状拓扑数据栅格化的效率;同时还对栅格化算法中的退化问题提出了解决方案.实际应用表明,文中算法具有较高的效率和较强的实用性.

人口数据的多边形标志边界栅格化算法

人口数据是中国重大的国情数据,对人口信息进行挖掘和表达,并对人口数据进行空间化是人口信息处理中重要的部分。对于人口数据空间化模型,国内外已有相关研究,但是往往效率较低或者误差较大。针对人口空间化过程中的多边形栅格化的特点,提出了改进的多边形标志边界栅格化算法,使之能够生成人口数据格网,并使用该算法进行了应用和检验,取得了较好的效果。

适应不同距离的三维激光雷达数据处理方法

针对三维激光雷达在远距离处点云分布较稀疏,导致障碍物的检测识别不准确的问题,提出了一种可适应不同距离的三维激光雷达数据去噪和精简处理方法。在对原始点云数据栅格化和去噪滤波后,采用最邻近距离聚类的方法确定适应阈值,然后融合网格连通标记的聚类方法,减少离散点,提高聚类精度,实现不同距离下的障碍物检测。实验结果表明:所提方法相较已有的聚类算法可以适应不同距离下的障碍物聚类,可识别路面障碍物的信息。

基于标签分类的道路提取算法

文中研究对彩色地图图像中的道路和区域识别提取的问题。讨论了基于标签分类的一种按颜色分离地图要素的算法,对于其结果用数学形态学方法进行优化。该算法充分利用栅格地图的颜色信息和空间信息并取得了良好的实验结果。

基于多元数据的省会城市城中村精细提取

城中村是指农村耕地被收走后,剩余宅基地被城市包围的农村聚落。针对当前城中村的研究缺少数据支撑和定量分析等问题,基于高分辨率遥感影像、建筑物轮廓及兴趣点(point of interest,POI)等多元空间数据,以广东省省会广州市的主城区为研究区域,利用ENVI中深度学习工具提取城中村边界,其城中村正确识别率为64.31%。对于提取结果中存在与部分老旧居民区、工业区混淆的现象,进一步使用路网分割高分辨率遥感影像,制作城中村标签数据。结合机器学习分类方法,使用支持向量机分类器提取城中村轮廓。该方法提取的精度可达到90.19%,对于研究区内城中村改造、城市规划设计等具有一定的参考意义。

改进的边标志栅格化算法

矢量多边形的栅格化算法是地理信息系统的基础算法之一。本文通过分析比较,认为边标志算法于众多栅格化算法中最为适合地理信息系统,并通过简化边界标志过程进行了改进,使得处理流程更为简单清晰,实现更为方便,算法更为精确有效。该改进算法使用统一的相加方法进行边界标志,无需对特殊顶点、尖锐多边形、带岛多边形等进行判断和边界转换,便可一次性正确标志,且无需顾及多边形边的存储顺序,更加适合地理信息系统矢量多边形的数据结构。