顾及权重信息的地图点群目标自动综合方法

论文摘要

地图上的许多地物呈点群状分布。当地图比例尺缩小时,点状符号之间会出现相互堆叠、覆盖等情形,为了保持地图表达的清晰度、层次性与美观性,需要对点群进行综合。点群综合是从原始点群中抽取出一定数量相对重要的点而删除相对次要点的过程。点的权重反映了单个点在点群整体中的重要性程度,在点群综合算法设计中非常关键。按照点群综合过程中对权重信息的顾及情况,可以将已有的点群综合算法分为两大类,其中一类算法在点群综合过程中没有顾及其权重信息,另一类算法虽然顾及到了权重信息,但仍然存在点群权重设定不够合理、综合结果缺乏现势参考价值及没有顾及道路网在点群综合中的制约与影响作用等问题。为了弥补现有算法对点群权重考虑不充分的缺陷,在对点群权重信息进行科学分析与计算的基础上,借助相关数据获取技术及脉冲耦合神经网络、网络加权Voronoi图、Delaunay三角剖分等理论,系统研究了顾及权重的点群综合方法。主要研究成果包括以下4个方面:（1）将影响范围与影响人群数量作为点群权重衡量依据,利用数据获取与处理技术实现了具有较高现势参考价值的点群影响范围与影响人群的计算与表达,提出了影响范围及影响人群数量共同作用下的高现势性点群综合算法,弥补了已有算法中点群权重设置不够科学合理、现势性不足及没有顾及影响人群对点群权重的影响等缺陷。（2）为了在点群综合过程中顾及到道路网对点群的约束与影响作用,引入了网络加权Voronoi图的概念。基于脉冲耦合神经网络的并发性及自动波发放原理,在改进脉冲耦合神经网络的基础上实现了网络加权Voronoi图的构建,为进一步的点群综合及相关领域研究提供了技术参考。（3）以网络加权Voronoi图为基础,利用带约束的Delaunay三角剖分及动态阈值“剥皮法”实现了点群网络Voronoi多边形的构建。将网络Voronoi多边形面积及多边形内部道路段总长度作为点群权重的衡量依据,实现了顾及相关联的道路网属性信息的点群综合,弥补了已有算法没有顾及道路网对点群权重影响作用的不足。（4）对于无法度量其权重信息的点群,算法选择最大程度地保持其几何结构及拓扑特征。利用Delaunay三角剖分、动态阈值“剥皮”法实现了点群外部轮廓点的提取,在此基础上利用Douglas-Peucker算法及外部轮廓约束下的内部点Voronoi图分别实现了外部轮廓点及内部点的取舍,在继承已有算法对点群外部轮廓及内部密度保持方面优势的同时,弥补了已有算法将轮廓点与内部点独立化简而造成对其相互之间的影响与制约作用顾及不足的缺陷。最后,论文对提出的点群综合方法的适用性及有效性分别进行了实验。实验分析表明,提出的方法在尽可能地顾及点群权重信息的基础上,有效地传输了原始点群各类信息,弥补了已有算法对点群权重信息顾及不足及缺乏现势性等问题,较好地解决了地理空间中各种类型点群的综合问题。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 引言
•   1.2 研究现状及存在的问题
•     1.2.1 地图综合研究现状
•     1.2.2 点群综合研究现状
•     1.2.3 存在的问题
•   1.3 研究内容、目标与方法
•     1.3.1 研究内容
•     1.3.2 研究目标
•     1.3.3 论文的技术路线和方法
•   1.4 论文的主要创新
•   1.5 论文的组织结构
•   1.6 本章小结
• 2 点群自动综合相关理论
•   2.1 尺度
•   2.2 地图制图综合理论
•     2.2.1 影响地图制图综合的基本因素
•     2.2.2 制图综合的算子
•     2.2.3 制图综合的约束
•   2.3 点群综合理论
•     2.3.1 点状符号
•     2.3.2 点群的描述参数
•     2.3.3 点要素的综合操作
•     2.3.4 点群综合的评价体系
•   2.4 本章小结
• 3 顾及影响范围与影响人群的高现势性点群综合方法
•   3.1 点群权重衡量因子的选取
•     3.1.1 点群的影响范围与影响人群
•     3.1.2 高现势性影响范围与影响人群数据的获取
•   3.2 算法原理与流程
•     3.2.1 算法原理
•     3.2.2 算法流程
•   3.3 点群权重的计算
•     3.3.1 影响范围与影响人群数据的获取
•     3.3.2 影响范围与影响人群数据的处理
•   3.4 顾及影响范围与影响人群的点群综合方法
•     3.4.1 点群的信息传输策略
•     3.4.2 点群综合过程中约束条件的定义与表达
•     3.4.3 综合过程中点的删除
•   3.5 实验与评价
•     3.5.1 实验
•     3.5.2 实验分析与讨论
•   3.6 结果与分析
•   3.7 本章小结
• 4 顾及道路网属性信息的点群综合方法
•   4.1 点群权重衡量因子的选取
•     4.1.1 网络加权Voronoi图
•     4.1.2 点群权重因子选取
•   4.2 算法原理与流程
•     4.2.1 算法原理
•     4.2.2 算法流程
•   4.3 网络加权Voronoi图的构建
•     4.3.1 改进的PCNN模型
•     4.3.2 改进PCNN模型支持下的网络加权Voronoi图构建
•     4.3.3 网络加权Voronoi图构建实验与讨论
•     4.3.4 基于改进PCNN的网络加权Voronoi图构建算法总结
•   4.4 点群权重计算
•     4.4.1 网络Voronoi多边形
•     4.4.2 点群权重计算
•   4.5 基于网络加权Voronoi图的点群综合方法
•     4.5.1 点群综合中各类信息的保持策略
•     4.5.2 约束条件的定义与表达
•     4.5.3 点的删除
•   4.6 实验与评价
•     4.6.1实验
•     4.6.2 实验分析与评价
•   4.7 结果与分析
•   4.8 本章小结
• 5 顾及几何结构特征保持的点群综合方法
•   5.1 算法原理与流程
•     5.1.1 算法原理
•     5.1.2 算法流程
•   5.2 顾及空间分布特征的点群综合方法
•     5.2.1 点群综合中的信息保持策略
•     5.2.2 点群轮廓点的提取与化简
•     5.2.3 外部轮廓约束下点群内部点Voronoi图构建
•   5.3 实验与评价
•   5.4 结果与分析
•   5.5 本章小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间的研究成果

文章来源

类型: 博士论文

作者: 禄小敏

导师: 闫浩文

关键词: 点群综合,权重,影响范围,影响人群,脉冲耦合神经网络,网络加权图,几何结构

来源: 兰州交通大学

年度: 2019

分类: 基础科学,信息科技

专业: 自然地理学和测绘学,计算机软件及计算机应用

单位: 兰州交通大学

分类号: P208

DOI: 10.27205/d.cnki.gltec.2019.000017

总页数: 120

文件大小: 6400K

下载量: 63