CN106600537B - 一种反距离权重的异向性三维空间插值方法 - Google Patents
一种反距离权重的异向性三维空间插值方法 Download PDFInfo
- Publication number
- CN106600537B CN106600537B CN201611155647.7A CN201611155647A CN106600537B CN 106600537 B CN106600537 B CN 106600537B CN 201611155647 A CN201611155647 A CN 201611155647A CN 106600537 B CN106600537 B CN 106600537B
- Authority
- CN
- China
- Prior art keywords
- dimensional space
- value
- coordinate
- interpolation
- denoted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/60—Rotation of a whole image or part thereof
Abstract
本发明公开了一种反距离权重的异向性三维空间插值方法,包含以下步骤:输入三维空间采样数据;三维空间采样数据旋转变换;三维空间采样数据各向异性探索;三维空间拉伸变换;反距离权重的异向性三维空间插值;三维空间插值可视化。本发明能够在使用反距离权重插值时顾及三维地理空间现象的各向异性特征,更好的反映三维地理空间场的重建现象。
Description
技术领域
本发明涉及一种三维空间插值方法,特别是一种反距离权重的异向性三维空间插值方法。
背景技术
三维地理现象具有各向异性特征。如何利用有限的三维观测采样数据直接对具有各向异性三维地理现象进行可靠的三维空间插值不仅是三维空间分析的重要问题也是三维地理信息系统的基本功能需要。
反距离权重插值方法作为一种精确性插值方法,具有形式简单和不受维度限制等优点,可以用于三维空间空间插值。但是目前反距离权重插值方法是基于地理学第一定律的,默认插值点与多个参考点在距离相等的情况下,每个参考点对插值点的权重贡献度相同,但是实际上地理现象受多种因素的影响和制约,与插值点相同距离的参考点对插值点的权重是不同的,直接采用反距离权重插值方法插值会导致插值精度有所下降,因此需要在采用反距离权重插值时,分析三维空间数据的各向异性特征,根据各向异性特征进行三维反距离权重插值,以获取更高的插值精度和可靠的三维空间场重建。
发明内容
本发明所要解决的技术问题是提供一种反距离权重的异向性三维空间插值方法,它具有更高的插值精度。
为解决上述技术问题,本发明所采用的技术方案是:
一种反距离权重的异向性三维空间插值方法,其特征在于包含以下步骤:
步骤一:输入三维空间采样数据;
步骤二:三维空间采样数据旋转变换:
步骤三:三维空间采样数据各向异性探索;
步骤四:三维空间拉伸变换;
步骤五:反距离权重的异向性三维空间插值;
步骤六:三维空间插值可视化。
进一步地,所述步骤一中采样数据包含,
三维空间采样数据集记为:S={(Pi,fi),i=1,2,3,…,n},其中Pi表示第i个采样点的三维坐标(xi,yi,zi),fi为第i个采样点的属性值,记S中所有三维坐标Pi的集合为P:
P中各坐标的分量记为:
记
S中所有属性值fi的集合为f,表达式如下:
记μf为所有采样数据属性值的平均值,
记R为三维空间的旋转矩阵,L为三维空间的拉伸矩阵,
记SR={(Pi′,fi),i=1,2,3,...,n},其中Pi′表示第i个采样点通过旋转矩阵R变换后的三维坐标(xi′,yi′,zi′),其中属性值fi不参与旋转和拉伸变换,
记SR·L={(Pi″,fi),i=1,2,3,...,n},其中Pi″表示第i个采样点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(xi″,yi″,zi″),其中fi属性值不参与旋转和拉伸变换。
记三维空间插值点集为:SInterpolation={(Ij,valuei),j=1,2,3,…,m},其中Ij表示第j个插值点的三维坐标(uj,vj,wj),valuej为第j个插值点的属性值,Ij″表示第j个插值点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(uj″,vj″,wj″),其中valuej为插值点的属性值不参与旋转和拉伸变换。
进一步地,所述步骤二具体为,
根据平均主海森矩阵表达式
∑fppbj=λj∑pbj
(1)
求取∑fpp的广义特征值λj及其对应的特征向量bj,其中∑fpp为加权协方差矩阵,
其中n为采样点的总数,∑p表示P的协方差矩阵,
通过平均主海森矩阵求取的三个特征值大小为λ1>λ2>λ3,所对应的三个非正交向量为将最大特征值λ1所对应的特征向量定义为第一主轴,将其单位化后记为第二大的特征值λ2所对应的特征向量定义为第二主轴,将其单位化后记为 最小特征值λ3所对应的特征向量定义为第三主轴,将其单位化后记为
保持第一主轴方向不变,将第二主轴进行投影正交变换使之与第一主轴正交,记为:
求取与组成平面的法向量,即为新的第三主轴通过投影正交变换之后,将第一主轴新的第二主轴新的第三主轴组成为坐标旋转矩阵
采用坐标旋转矩阵R对三维空间采样数据集S进行旋转变换,变换后的三维空间采样数据集记为SR:
SR=S·R
(4)
建立三维空间采样点坐标P及其属性值fi与旋转拉伸变换之后Pi′及其fi之间的映射关系,即(xi,yi,zi,fi)与(xi′,yi′,zi′,fi)映射关系,即:(xi,yi,zi,fi)→(xi′,yi′,zi′,fi),其中属性值fi不变。
进一步地,所述的正交计算过程为:
A)求取和2个向量的叉积,
B)求得与的叉积,
进一步地,所述步骤三具体为,
以变换后的三维空间采样数据集SR为对象,采用地统计学方法分别沿三维坐标轴计算三个方向上变异函数值,选择相应的变异函数拟合模型,一般可以选择球状模拟、指数模型、高斯模型、幂函数模型、对数函数模型等对各方向上的变异函数值进行拟合,分别求取拟合后的三个方向上的变程值,记为:ax、ay、az,其所对应的变异函数值为:γ(hx)、γ(hy)、γ(hz);
求取γ(hx)、γ(hy)、γ(hz)三个数值的最小值,记为γ(hmin);
将γ(hmin)设置为变异函数拟合模型公式的函数值,即变异函数拟合模型公式的因变量,分别求取x、y、z三个方向上变异函数拟合模型公式的自变量,记为hx′、hy′、hz′。
进一步地,所述步骤四具体为,
求取hx′、hy′、hz′中的最大值,记为h′max,构建将各向异性空间转换为向各向同性空间的拉伸转换L:
采用拉伸矩阵L对三维空间采样数据集S′进行旋转变换,变换后的三维空间采样数据集记为:SR·L,
SR·L=SR·L
(5)
建立三维空间采样点坐标P及其属性值fi与旋转拉伸变换之后Pi″及其fi之间的映射关系,即(xi,yi,zi,fi)与(xi″,yi″,zi″,fi)的映射关系,(xi,yi,zi,fi)→(xi″,yi″,zi″,fi),其中属性值fi不变。
进一步地,所述步骤五具体为,
通过集合S中P的边界,构建所有三维空间数据的插值点;
对于任何一个三维空间插值点Ij,其三维坐标(uj,vj,wj),将其通过旋转矩阵R和拉伸矩阵L变换记为:I″j,其三维坐标记为:(uj″,vj″,wj″),而插值点的属性值不参与旋转和拉伸,具体计算公式如下:
I″j=Ij·R·L
(6)
建立旋转和拉伸变换之前Ij和旋转和拉伸变换之后I″j的映射关系,即(uj,vj,wj,fj)与(uj″,vj″,wj″,fj)的映射关系,即:(uj,vj,wj,valuej)→(uj″,vj″,wj″,valuej),其中插值点属性值不变;
对于任一插值点(uj,vj,wj)的属性值valuej,采用旋转及变换后的三维空间坐标(uj″,vj″,wj″)和旋转及变换后的参考点三维空间坐标(xi″,yi″,zi″)进行反距离权重插值方法计算,首先计算插值点三维空间坐标(uj″,vj″,wj″)与所有三维空间采样数据三维空间坐标(xi″,yi″,zi″)的欧式距离,取与(uj″,vj″,wj″)距离最近的前k个三维空间采样数据的坐标及其属性值参与反距离权重计算,具体公式如下:
其中
进一步地,所述构建所有三维空间数据的插值点具体步骤为:
A)求取集合S中P的各分量的最大值和最小值,分别记为:xmax,xmin,ymax,ymin,zmax,zmin;
B)分别对各分量做差计算,三个方向上的分量差值记为:xdistance,ydistance,zdistance,求取三者之间的最小值mindistance;
C)计算构建插值点的间距interval=mindistance/number,number的数值自行设定;
D)分别从xmin、ymin、zmin开始按照interval等间距构建插值点Ii,i=1,2,3,...,m。
进一步地,所述步骤六具体为,根据插值点的属性值valuej大小进行颜色渲染,对颜色渲染后的结果进行多个截面显示。
本发明与现有技术相比,具有以下优点和效果:本发明对原始三维空间采样数据进行平均主海森矩阵计算,求取矩阵的广义特征向量,基于最小投影原理将广义非正交特征向量转换为标准正交特征向量,将标准正交特征向量组成三维坐标旋转矩阵,对原始三维空间采样数据进行旋转变化使其变换为以标准正交特征向量的x、y、z坐标系下的三维数据,分别沿x、y、z三个方向计算变异函数值并选择相应的模型进行拟合,求取x、y、z三个方向上变程及所对应的最小变异函数值,以最小变异函数为变异函数拟合模型函数的函数值,分别求取x、y、z三个方向上的自变量,并根据自变量比值大小,构建3*3的拉伸矩阵,将各向异性空间变换为各向同性空间,采用反距离权重进行三维空间插值计算。通过这样的方法,能够在使用反距离权重插值时顾及三维地理空间现象的各向异性特征,更好的反映三维地理空间场的重建现象。
附图说明
图1是本发明的一种反距离权重的异向性三维空间插值方法的流程图。
图2是本发明的实施例采用的矿石品位数据图。
图3是本发明的x方向上变异函数的球状模型拟合曲线。
图4是本发明的y方向上变异函数的球状模型拟合曲线。
图5是本发明的z方向上变异函数的球状模型拟合曲线。
图6是本发明的最终插值结果可视化效果。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
符号说明:
将三维空间采样数据集记为:S={(Pi,fi),i=1,2,3,…,n},其中Pi表示第i个采样点的三维坐标(xi,yi,zi),fi为第i个采样点的属性值,记S中所有三维坐标Pi的集合为P,表达式如下所示:
P中各坐标的分量记为:
记
S中所有属性值fi的集合为f,表达式如下:
记μf为所有采样数据属性值的平均值,
记R为三维空间的旋转矩阵,L为三维空间的拉伸矩阵,
记SR={(Pi′,fi),i=1,2,3,...,n},其中Pi′表示第i个采样点通过旋转矩阵R变换后的三维坐标(xi′,yi′,zi′),其中属性值fi不参与旋转和拉伸变换;
记SR·L={(Pi″,fi),i=1,2,3,...,n},其中Pi″表示第i个采样点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(xi″,yi″,zi″),其中fi属性值不参与旋转和拉伸变换。
记三维空间插值点集为:SInterpolation={(Ij,valuei),j=1,2,3,…,m},其中Ij表示第j个插值点的三维坐标(uj,vj,wj),valuej为第j个插值点的属性值,需要通过插值方法计算的属性值。I″j表示第j个插值点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(uj″,vj″,wj″),其中valuej为插值点的属性值不参与旋转和拉伸变换。
如图1所示,本发明的一种反距离权重的异向性三维空间插值方法,包含以下步骤:
(1)根据平均主海森矩阵表达式,如下(1)式为计算表达式,求取∑fpp的广义特征值λj及其对应的特征向量bj,
∑fppbj=λj∑pbj
(1)
其中∑fpp为加权协方差矩阵,具体计算表达式如下2所示
其中n为采样点的总数,∑p表示P的协方差矩阵,表达式如下3所示,
通过平均主海森矩阵求取的三个特征值大小为λ1>λ2>λ3,所对应的三个非正交向量为将最大特征值λ1所对应的特征向量定义为第一主轴,将其单位化后记为第二大的特征值λ2所对应的特征向量定义为第二主轴,将其单位化后记为最小特征值λ3所对应的特征向量定义为第三主轴,将其单位化后记为
(2)保持第一主轴方向不变,将第二主轴进行投影正交变换使之与第一主轴正交,记为:
具体步骤如下:
1.求取和2个向量的叉积,
2.求得与的叉积,
这样是与原始第二轴偏移量最小且与第一主轴正交的向量。
(3)求取与组成平面的法向量,即为新的第三主轴,记变换后新的第三主轴为通过投影正交变换之后,将第一主轴新的第二主轴新的第三主轴组成为坐标旋转矩阵
(4)采用坐标旋转矩阵R对三维空间采样数据集S进行旋转变换,变换后的三维空间采样数据集记为SR,具体计算公式如下:
SR=S·R
(4)
建立三维空间采样点坐标P及其属性值fi与旋转拉伸变换之后Pi′及其fi之间的映射关系,即为(xi,yi,zi,fi)与(xi′,yi′,zi′,fi)的映射关系:(xi,yi,zi,fi)→(xi′,yi′,zi′,fi),其中属性值fi不变。
(5)以变换后的三维空间采样数据集SR为对象,采用地统计学方法分别沿三维坐标轴计算三个方向上变异函数值,选择相应的变异函数拟合模型,一般可以选择球状模拟、指数模型、高斯模型、幂函数模型、对数函数模型等,对各方向上的变异函数值进行拟合,分别求取拟合后的三个方向上的变程值,记为:ax、ay、az,其所对应的变异函数值为:γ(hx)、γ(hy)、γ(hz);
(6)求取γ(hx)、γ(hy)、γ(hz)三个数值的最小值,记为γ(hmin);
(7)将γ(hmin)设置为所步骤(5)变异函数拟合模型公式的函数值,即变异函数拟合模型公式的因变量,分别求取x、y、z三个方向上变异函数拟合模型公式的自变量,记为hx′、hy′、hz′;
(8)求取hx′、hy′、hz′中的最大值,记为h′max,构建将各向异性空间转换为各向同性空间的拉伸转换矩阵L,表达式如下:
(9)采用拉伸矩阵L对三维空间采样数据集S′进行旋转变换,变换后的三维空间采样数据集记为:SR·L,具体计算公式为:
SR·L=SR·L
(5)
建立三维空间采样点坐标P及其属性值fi与旋转拉伸变换之后Pi″及其fi之间的映射关系,即(xi,yi,zi,fi)与(xi″,yi″,zi″,fi)的映射关系,(xi,yi,zi,fi)→(xi″,yi″,zi″,fi),其中属性值fi不变。
(10)通过集合S中P的边界,构建所有三维空间数据的插值点,具体步骤如下:
1:求取集合S中P的各分量的最大值和最小值,分别记为:xmax,xmin,ymax,ymin,zmax,zmin;
2:分别对各分量做差值计算,三个方向上的分量差值记为:xdistance,ydistance,zdistance,求取三者之间的最小值mindistance;
3:计算构建插值点的间距interval=mindistance/number,number的值可以自行设定,一般不超过250;
4:分别从xmin、ymin、zmin开始按照interval等间距构建插值点Ii,i=1,2,3,...,m。
(11)对于任何一个三维空间插值点Ij,其三维坐标(uj,vj,wj),将其通过旋转矩阵R和拉伸矩阵L变换记为:I″j,其三维坐标记为:(uj″,vj″,wj″),而插值点的属性值不参与旋转和拉伸,具体计算公式如下:
I″j=Ij·R·L
(6)
建立旋转和拉伸变换之前Ij和旋转和拉伸变换之后I″j的映射关系,即(uj,vj,wj,fj)与(uj″,vj″,wj″,fj)的映射关系,即:(uj,vj,wj,valuej)→(uj″,vj″,wj″,valuej),其中插值点属性值不变。
(12)对于任一插值点(uj,vj,wj)的属性值valuej,采用旋转及变换后的三维空间坐标(uj″,vj″,wj″)和旋转及变换后的参考点三维空间坐标(xi″,yi″,zi″)进行反距离权重插值方法计算,首先计算插值点三维空间坐标(uj″,vj″,wj″)与所有三维空间采样数据三维空间坐标(xi″,yi″,zi″)的欧式距离,取与(uj″,vj″,wj″)距离最近的前k个三维空间采样数据的坐标及其属性值参与反距离权重计算,具体公式如下:
其中
(13)根据插值点的属性值valuej大小进行颜色渲染,对颜色渲染后的结果进行多个截面显示。
实施例的三维空间采样数据选择4125个矿石品位数据,根据说明书发明内容的符号,则S={(Pi,fi),i=1,2,3,…,4125},铁品位的范围为(0,100),如图2所示。
(1)矿石品位数据的导入
采用Matlab软件导入4125个矿石品位数据,第i个矿石品位数据的三维坐标信息(xi,yi,zi)和属性信息fi,数据导入后,以前5个矿石品位为例说明,数据具体如下:
(35389,19335.5,-53.83,0.4310)
(35389,19335.5,-57.24,0.3188)
(35389,19335.5,-71.37,0.5875)
(35389,19335.5,-76.26,0.5855)
(35389,19335.5,-79.54,0.4894)
每行数据前三列代表某个矿石品位数据的三维空间数据坐标,是需要后续旋转和拉伸变换的,最后一列表示属性值fi,本实例为矿石品位,不参与旋转和拉伸变换。
(2)三维空间采样数据的旋转变换
步骤一:根据平均主海森矩阵表达式公式(1)可计算出4125个矿石品位数据的三个广义正交特征向量和特征值,对特征值大小进行排序,最大特征值所对应的特征向量记为:第二大特征值所对应的特征向量记为:最小特征值所对应的特征向量记为
步骤二:分别对进行单位化,单位化后分别记为: 具体计算公式为:计算后各值为:
步骤三:将单位化后的进行投影正交变换,使其三个向量两两正交,首先求取和2个向量的叉积,记为然后求取与的叉积,记为:最后求取与组成平面的法向量,记为:通过投影正交变换之后,为相互正交的向量,将其组成为坐标旋转矩阵具体计算后R值为:
步骤四:采用坐标旋转矩阵R对4125个矿石品位数据S进行旋转变换,变换后的4125个矿石品位数据记为SR,具体计算公式为:SR=S·R,前5个数据旋转之后的三维空间坐标及其属性值具体信息如下:
(-27088,3897,29521,0.4310)
(-27090,3897,29519,0.3188)
(-27101,3897,29510,0.5875)
(-27104,3897,29506,0.5855)
(-27107,3897,29504,0.4894)
(3)三维空间采样数据的拉伸变换
步骤一:以变换后4125个矿石品位数据SR为对象,采用地统计学方法分别沿三维坐标轴计算三个方向上变异函数值,选择相应的变异函数拟合模型,以球状模型为例,计算公式为:
式中c0表示块金,a表示变程,c0+c1表示基台值,h表示计算变异函数的分组距离,本实例设置为20,分别设置各个方向的角度分组为45°,γ(h)为相距h的点对变异函数值,选取球状模型对各方向上的变异函数值进行拟合,分别求取拟合后的三个方向上的变程值,分别记为:ax、ay、az,具体值为:ax=543.87,ay=441.46,az=524.31,其所对应的变异函数值为:γ(hx)=0.0357、γ(hy)=0.0303、γ(hz)=0.053;
步骤二:求取γ(hx)、γ(hy)、γ(hz)三个数值的最小值,记为γ(hmin)=0.0303;
步骤三:将γ(hmin)=0.0303设置为步骤一中变异函数拟合模型公式的函数值,即变异函数拟合模型公式的因变量,分别求取x、y、z三个方向上变异函数拟合模型公式的自变量,记为hx′、hy′、hz′,其值分别为:308.35、404.46、218.79
步骤四:求取hx′、hy′、hz′中的最大值,记为h′max=404.46,根据hx′、hy′、hz′、h′max构建将各向异性空间转换为各向同性空间的拉伸转换矩阵L,具体值为:
步骤五:采用拉伸矩阵L对三维空间采样数据集S′进行旋转变换,变换后的三维空间采样数据集记为:SR·L,具体计算为公式(5),可使三维空间数据从各向异性变换为各向同性,对前5个数据的三维空间坐标进行旋转和拉伸变换后的具体信息如下:
(-20651,3897,15969,0.4310)
(-20653,3897,15968,0.3188)
(-20661,3897,15963,0.5875)
(-20663,3897,15961,0.5855)
(-20666,3897,15960,0.4894)
步骤六:建立旋转和拉伸后的SR·L三维空间采用数据坐标及其属性值与原始三维采用数据坐标及其属性值的映射关系,其属性值不变化,以前5个数据为例具体如下:
(35389,19335.5,-53.83,0.4310)→(-20653,3897,15968,0.4310)
(35389,19335.5,-57.24,0.3188)→(-20651,3897,15969,0.3188)
(35389,19335.5,-71.37,0.5875)→(-20661,3897,15963,0.5875)
(35389,19335.5,-76.26,0.5855)→(-20663,3897,15961,0.5855)
(35389,19335.5,-79.54,0.4894)→(-20666,3897,15960,0.4894)
(4)通过集合S中P的边界,构建所有三维空间数据的插值点,具体步骤如下:
1:求取集合S中P的各分量的最大值和最小值,各分量的最大最小值为:xmax=36316.45,xmin=35119.78,ymax=19822.76,ymin=19052.14,zmax=-0.23,zmin=-665.89;
2:分别对各分量做差计算,三个方向上的分量差值为:xdistance=1196.67,ydistance=770.62,zdistance=665.66;
3:计算构建插值点的间距xinterval=xdistance/number,yinterval=ydistance/number,zinterval=zdistance/number,number的值可以自行设定,一般不超过250,本实例采用250;
4:从xmin、ymin、zmin开始,按照xinterval=4.79、yinterval=3.08、zinterval=2.66等间距构建插值点Ij,j=1,2,3,...m。
(5)三维空间插值点坐标旋转与拉伸变换
对于任何一个三维空间插值点Ij,其三维坐标(uj,vj,wj),将其通过旋转矩阵R和拉伸矩阵L变换记为:I″j,其三维坐标记为:(uj″,vj″,wj″),而插值点的属性值不参与旋转和拉伸,具体计算公式如下:
I″j=Ij·R·L
建立旋转和拉伸变换之前Ij和旋转和拉伸变换之后I″j的映射关系,即(uj,vj,wj,valuej)与(uj″,vj″,wj″,valuej)的映射关系,即:(uj,vj,wj,valuej)→(uj″,vj″,wj″,valuej),其中插值点属性值不变,取j=10000插值点为例,映射关系如下:
(35306.46,19699.46,-665.89,value10000)→(-21026.66,426.50,15773.75,value10000)
(6)反距离权重的异向性三维空间插值方法
对于任一插值点(uj,vj,wj)的属性值valuej,采用旋转及变换后的三维空间坐标(uj″,vj″,wj″)和旋转及变换后的参考点三维空间坐标(xi″,yi″,zi″)进行反距离权重插值方法计算,首先计算插值点三维空间坐标(uj″,vj″,wj″)与所有三维空间采样数据三维空间坐标(xi″,yi″,zi″)的欧式距离,取与(uj″,vj″,wj″)距离最近的前k个三维空间采样数据的坐标及其属性值参与反距离权重计算,具体公式如下:
其中
j=10000插值点的属性值采用公式(7)计算为0.64。
(7)根据插值点的属性值valuej大小进行颜色渲染,对颜色渲染后的结果进行多个截面显示,由于建立了插值点旋转和拉伸前后的映射关系,绘制图形时只需采用插值点三维空间坐标(uj,vj,wj)及其对应的属性值valuej进行渲染即可。对插值数据进行可视化,在Matlab中采用slice函数进行横截面三维显示,其结果见图6所示。
对于反距离权重的异向性三维空间插值方法精度的验证采用逐点交叉验证,可与普通反距离权重的三维空间插值方法进行对比,采用平均误差和均方根误差进行对比分析,以4125个矿石品位数据为例,本发明专利的平均误差:6.63,均方根误差为,9.99而普通反距离权重的三维空间插值方法的平均误差为:6.89均方根误差为:10.76,说明本发明专利具有较好的插值精度。
本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种反距离权重的异向性三维空间插值方法,其特征在于包含以下步骤:
步骤一:输入三维空间采样数据;
采样数据包含,
三维空间采样数据集记为:S={(Pi,fi),i=1,2,3,…,n},其中Pi表示第i个采样点的三维坐标(xi,yi,zi),fi为第i个采样点的属性值,记S中所有三维坐标Pi的集合为P:
P中各坐标的分量记为:
记
S中所有属性值fi的集合为f,表达式如下:
记μf为所有采样数据属性值的平均值,
记R为三维空间的旋转矩阵,L为三维空间的拉伸矩阵,
记SR={(P′i,fi),i=1,2,3,...,n},其中P′i表示第i个采样点通过旋转矩阵R变换后的三维坐标(x′i,y′i,z′i),其中属性值fi不参与旋转和拉伸变换,
记SR·L={(P″i,fi),i=1,2,3,...,n},其中P″i表示第i个采样点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(x″i,y″i,z″i),其中fi属性值不参与旋转和拉伸变换;
记SInterpolation={(Ij,valuei),j=1,2,3,…,m}为三维空间插值点集,其中Ij表示第j个插值点的三维坐标(uj,vj,wj),valuej为第j个插值点的属性值,I″j表示第j个插值点通过旋转矩阵R和拉伸矩阵L变换后的三维坐标(u″j,v″j,w″j),其中valuej为插值点的属性值,不参与旋转和拉伸变换;
步骤二:三维空间采样数据旋转变换;
步骤三:三维空间采样数据各向异性探索;
以变换后的三维空间采样数据集SR为对象,采用地统计学方法分别沿三维坐标轴计算三个方向上变异函数值,选择相应的变异函数拟合模型,可选择的模型有球状模型、指数模型、高斯模型、幂函数模型和对数函数模型,对各方向上的变异函数值进行拟合,分别求取拟合后的三个方向上的变程值,记为:ax、ay、az,其所对应的变异函数值为:γ(hx)、γ(hy)、γ(hz);
求取γ(hx)、γ(hy)、γ(hz)三个数值的最小值,记为γ(hmin);
将γ(hmin)设置为变异函数拟合模型公式的函数值,即变异函数拟合模型公式的因变量,分别求取x、y、z三个方向上变异函数拟合模型公式的自变量,记为h′x、h′y、h′z;
步骤四:三维空间拉伸变换;
求取h′x、h′y、h′z中的最大值,记为h′max,构建将各向异性空间转换为各向同性空间的拉伸转换L:
采用拉伸矩阵L对三维空间采样数据集S′进行旋转变换,变换后的三维空间采样数据集记为:SR·L,
SR·L=SR·L (5)
建立三维空间采样点坐标P及其属性值fi与旋转拉伸变换之后P″i及其fi之间的映射关系,即(xi,yi,zi,fi)与(x″i,y″i,z″i,f″i)的映射关系,(xi,yi,zi,fi)→(x″i,y″i,z″i,f″i),其中属性值fi不变;
步骤五:反距离权重的异向性三维空间插值;
通过集合S中P的边界,构建所有三维空间数据的插值点;
对于任何一个三维空间插值点Ij,其三维坐标(uj,vj,wj),将其通过旋转矩阵R和拉伸矩阵L变换记为:I″j,其三维坐标记为:(u″j,v″j,w″j),而插值点的属性值不参与旋转和拉伸,具体计算公式如下:
I″j=Ij·R·L (6)
建立旋转和拉伸变换之前Ij和旋转和拉伸变换之后I″j的映射关系,即(uj,vj,wj,fj)与(u″j,v″j,w″j,f″j)的映射关系,即:(uj,vj,wj,valuej)→(u″j,v″j,w″j,valuej),其中插值点属性值valuesj不参与旋转和变换;
对于任一插值点(uj,vj,wj)的属性值valuej,采用旋转及变换后的三维空间坐标(u″j,v″j,w″j)和旋转及变换后的参考点三维空间坐标(x″i,y″i,z″i)进行反距离权重插值方法计算,首先计算插值点三维空间坐标(u″j,v″j,w″j)与所有三维空间采样数据三维空间坐标(x″i,y″i,z″i)的欧式距离,取与(u″j,v″j,w″j)距离最近的前k个三维空间采样数据的坐标及其属性值参与反距离权重计算,具体公式如下:
其中
步骤六:三维空间插值可视化。
2.按照权利要求1所述的一种反距离权重的异向性三维空间插值方法,其特征在于:所述步骤二具体为,
根据平均主海森矩阵表达式
∑fppbj=λj∑pbj (1)
求取∑fpp的广义特征值λj及其对应的特征向量bj,其中∑fpp为加权协方差矩阵,
其中n为采样点的总数,∑p表示P的协方差矩阵,
通过平均主海森矩阵求取的三个特征值大小为λ1>λ2>λ3,所对应的三个非正交向量为将最大特征值λ1所对应的特征向量定义为第一主轴,将其单位化后记为第二大的特征值λ2所对应的特征向量定义为第二主轴,将其单位化后记为 最小特征值λ3所对应的特征向量定义为第三主轴,将其单位化后记为
保持第一主轴方向不变,将第二主轴进行投影正交变换使之与第一主轴正交,记为:
求取与组成平面的法向量,即为新的第三主轴 通过投影正交变换之后,将第一主轴新的第二主轴新的第三主轴组成为坐标旋转矩阵
采用坐标旋转矩阵R对三维空间采样数据集S进行旋转变换,变换后的三维空间采样数据集记为SR:
SR=S·R (4)
建立三维空间采样点坐标Pi及其属性值fi与旋转变换之后Pi′及其fi之间的映射关系,即为(xi,yi,zi,fi)与(x′i,y′i,z′i,fi)的映射关系:(xi,yi,zi,fi)→(x′i,y′i,z′i,fi),其中属性值fi不变。
3.按照权利要求2所述的一种反距离权重的异向性三维空间插值方法,其特征在于:所述的正交计算过程为:
A)求取和2个向量的叉积,
B)求得与的叉积,
4.按照权利要求1所述的一种反距离权重的异向性三维空间插值方法,其特征在于:所述构建所有三维空间数据的插值点具体步骤为:
A)求取集合S中P的各分量的最大值和最小值,分别记为:xmax,xmin,ymax,ymin,zmax,zmin;
B)分别对各分量做差计算,三个方向上的分量差值记为:xdistance,ydistance,zdistance,求取三者之间的最小值mindistance;
C)计算构建插值点的间距interval=mindistance/number,number的值可自行设定;
D)分别从xmin、ymin、zmin开始按照interval等间距构建插值点Ii,i=1,2,3,...,m。
5.按照权利要求1所述的一种反距离权重的异向性三维空间插值方法,其特征在于:所述步骤六具体为,根据插值点的属性值大小进行颜色渲染,对颜色渲染后的结果进行多个截面显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611155647.7A CN106600537B (zh) | 2016-12-14 | 2016-12-14 | 一种反距离权重的异向性三维空间插值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611155647.7A CN106600537B (zh) | 2016-12-14 | 2016-12-14 | 一种反距离权重的异向性三维空间插值方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106600537A CN106600537A (zh) | 2017-04-26 |
CN106600537B true CN106600537B (zh) | 2019-11-05 |
Family
ID=58801332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611155647.7A Active CN106600537B (zh) | 2016-12-14 | 2016-12-14 | 一种反距离权重的异向性三维空间插值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600537B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339476A (zh) * | 2020-02-27 | 2020-06-26 | 中国水利水电科学研究院 | 一种反距离平方加权空间插值计算方法 |
CN112016956B (zh) * | 2020-08-05 | 2023-08-08 | 中国煤炭地质总局勘查研究总院 | 基于bp神经网络的矿石品位估值方法及装置 |
CN112084280B (zh) * | 2020-09-04 | 2023-07-21 | 广州南方智能技术有限公司 | 一种多尺度地形的裁剪及拼接方法 |
CN116310145B (zh) * | 2023-05-15 | 2023-08-04 | 煤炭科学研究总院有限公司 | 基于正交基函数的三维空间模型重建方法和装置 |
CN116610905B (zh) * | 2023-07-20 | 2023-09-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于各向异性尺度修正的反距离权重数据插值方法 |
CN117408089B (zh) * | 2023-12-14 | 2024-02-23 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于表面法向量修正的反距离权重数据插值方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950436A (zh) * | 2010-09-29 | 2011-01-19 | 中国科学院国家天文台 | 利用激光高度计数据制作数字高程模型的方法 |
CN102831644A (zh) * | 2012-07-09 | 2012-12-19 | 哈尔滨工程大学 | 一种海洋环境信息三维可视化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7826686B2 (en) * | 2005-03-18 | 2010-11-02 | Seiko Epson Corporation | Pixel interpolation apparatus and pixel interpolation program product |
-
2016
- 2016-12-14 CN CN201611155647.7A patent/CN106600537B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950436A (zh) * | 2010-09-29 | 2011-01-19 | 中国科学院国家天文台 | 利用激光高度计数据制作数字高程模型的方法 |
CN102831644A (zh) * | 2012-07-09 | 2012-12-19 | 哈尔滨工程大学 | 一种海洋环境信息三维可视化方法 |
Non-Patent Citations (2)
Title |
---|
基于空间变异性的IDW矿石品位估值改进方法;谭正华 等;《中国矿业大学学报》;20111115;第40卷(第6期);928-932 * |
顾及各向异性的CSRBF空间插值及其在气温场重建中的应用;张思阳 等;《地理与地理信息科学》;20140715;第30卷(第4期);117-122 * |
Also Published As
Publication number | Publication date |
---|---|
CN106600537A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600537B (zh) | 一种反距离权重的异向性三维空间插值方法 | |
Xu et al. | An information-theoretic framework for flow visualization | |
McLoughlin et al. | Similarity measures for enhancing interactive streamline seeding | |
Heinrich et al. | Continuous parallel coordinates | |
Kurtek et al. | Statistical modeling of curves using shapes and related features | |
Hao et al. | Effective visualization of temporal ensembles | |
CN107291659B (zh) | 平面地磁异常场一步向上延拓平面模量梯度场的递归余弦变换法 | |
CN106772645B (zh) | 基于一般先验信息约束的核磁共振数据反演方法和装置 | |
Pilar et al. | Representing flow patterns by using streamlines with glyphs | |
CN106156067B (zh) | 用于为关系数据创建数据模型的方法和系统 | |
Maciejewski et al. | Abstracting attribute space for transfer function exploration and design | |
Mei et al. | Rotation-invariant feature learning via convolutional neural network with cyclic polar coordinates convolutional layer | |
CN108764676A (zh) | 一种高维多目标评价方法及系统 | |
Yi | CNN-based flow field feature visualization method | |
Ma et al. | Visual analysis of class separations with locally linear segments | |
Seltzer et al. | Glyphs for asymmetric second‐order 2D tensors | |
Nayak et al. | Fractal dimension-based generalized box-counting technique with application to grayscale images | |
CN113159117A (zh) | 流线生成方法及装置 | |
Qi et al. | Age estimation from MR images via 3D convolutional neural network and densely connect | |
Schmauder et al. | Visualizing Dynamic Weighted Digraphs with Partial Links. | |
CN103713878B (zh) | 一种应用补码方法的正余弦cordic算法在fpga实现的方法 | |
Botchen et al. | Interactive visualization of uncertainty in flow fields using texture-based techniques | |
Wiebel et al. | Glyphs for non-linear vector field singularities | |
CN106023232B (zh) | 一种带窗动态空间规整的图匹配方法 | |
Swoboda et al. | Visualization and quantification for interactive analysis of neural connectivity in drosophila |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |