CN110019632A

CN110019632A - 一种基于形状树的地理要素形状分析方法

Info

Publication number: CN110019632A
Application number: CN201810354741.8A
Authority: CN
Inventors: 石丽红; 王彬彬; 钱新林; 张福浩; 仇阿根; 刘晓东; 陶坤旺; 何望君
Original assignee: Chinese Academy of Surveying and Mapping
Current assignee: Chinese Academy of Surveying and Mapping
Priority date: 2018-04-19
Filing date: 2018-04-19
Publication date: 2019-07-16
Anticipated expiration: 2038-04-19
Also published as: CN110019632B

Abstract

一种基于形状树的地理要素形状分析方法，存储介质以及相关应用，其中该方法采用全球各地区边界线数据，通过对地理要素几何形态分析方法的研究，基于道格拉斯算法、形状树理论、递归算法、广度优先遍历等相关算法及理论，提出针对地理要素的形态分析模型，进一步应用于地理数据的化简以及地理数据的分析，主要应用包括：地理数据压缩，实现在线动态可视化；地理数据渐进性表达；地图要素匹配；地理数据质量分析以及衡量地理要素随时间变化趋势等相关的应用。本发明能够对指定区域地理数据进行数据压缩，提高压缩比、去掉部分或全部冗余,从而减少数据所占的存储空间并保证在数据还原时恢复原状。

Description

一种基于形状树的地理要素形状分析方法

技术领域

本申请涉及一种基于形态学的分析方法，具体的，涉及一种基于形状树的地理要素形状分析方法，可以用于地理要素形态分析，以及地理数据资源化简。

背景技术

地理空间信息，作为信息的一种类型，在人们的生产、生活过程当中起到了至关重要的作用。地理空间数据，作为地理空间信息的一种载体，是对现实世界中某一地理实体(或现象)的空间特征和属性特征的描述。地理实体的空间特征不仅包括实体自身的几何位置、形状、大小等信息，还包括地理实体与地理实体之间的空间关系。地理实体的属性则是对实体的自然属性的描述，与相应地理实体的位置相关联。地理空间数据与一般数据的区别就在于考虑了要素的空间位置信息，使得地理空间数据在不同的行业、部门得到了广泛应用。由于地理信息产业的高速发展，地理数据作为地理信息系统的重要组成部分，引起了学者们对地理数据的相关分析研究。同时，也伴随着一系列亟需解决的问题，包括地理要素匹配、地理要素几何相似性研究以及对地理数据压缩、实现可视化方面相关问题研究。

在形态学中，形状是物体在视觉感知意义下具有的最基本特征之一。由于视觉信息对人类十分重要，上世纪六十年代信息处理理论与计算机出现之后，实现计算机视觉。计算机视觉是与图像处理、模式识别/计算机图形学、认知心理学等多学科有密切联系的综合性交叉学科，在遥感图像分析、文字识别、医学图像处理、多媒体技术、图像数据库、工业检测以及军事目标识别等领域有着广泛的应用。其中，在图像内容的自动识别和理解技术的研究和发展过程中，其中图像比较是该技术的核心。图像比较方法主要分为两类：基于灰度(颜色、纹理)的方法和基于几何(形状)的方法。在计算机视觉和模式识别中，形状通常是对目标区域的二值图像表示，可以看成目标的轮廓。

形状的匹配可分为描述和匹配两个方面。其中形状描述是指通过某种方法生成数值的描述子来表示形状；形状匹配则是按照一定的度量准则来衡量形状间的相似性。这两个方面二者相辅相成，形状匹配要在某种描述下进行，形状描述则是为了方便匹配。近年来，形状匹配技术取得了许多进展，提出了形状上下文(Shape Context)、奇点图(Shock-Graph)等新的形状描述方法以及基于薄板样条(Thin-Plate Spline)和基于形状流形(Shape Manifold)以及Shape tree等新的形状匹配方法。其中，Felzenszwalb提出形状树(Shape-Tree)的概念,形状树将轮廓段直接作为基元，通过从中点处对轮廓进行细分的方法,逐层构造轮廓的树形结构。形状树对全局信息和局部信息都有描述,能够用于形状精确匹配，但是计算复杂度相对较高。可变形形状的分层匹配描述了用于在多个分辨率级别捕获形状信息的二维对象的新的分层表示，用于比较对象对和用于检测杂乱图像中的对象。分层表示显式地捕获了全局形状信息、更丰富的几何模型和更准确的识别结果。

近年来，在计算机技术发展的推动下，地图制图学结合计算机技术形成的计算机地图制图学也得到了迅速发展，已在地理信息系统等领域中得到了广泛应用，并且显示出了强大的生命力。计算机地图制图的一项重要任务就是自动制图综合，而矢量数据压缩既是制图综合的关键技术又为制图综合提供技术方法。矢量数据压缩的主要对象是线状要素中心轴线和面状要素的边界数据(几何数据)。数据压缩技术在地理信息系统的可视化研究中的应用显得尤为重要；制图综合是对制图区域客观事物的取舍和简化。经过概括后的地图可以显示出主要的事物和本质的特征,但是自动化问题,一直是地图学的瓶颈问题,曲线矢量自动综合是制图综合的一个重要方面。

因此，如何基于形态分析方法研究应用到矢量数据压缩中去，进行对地理要素几何形态的分析方法研究，进而重构地理要素几何形态成为现有技术亟需解决的技术问题。

发明内容

本发明的目的在于提出基于形状树的地理要素形状分析方法，能够应用于地理数据的化简以及地理数据的分析，提高地理数据压缩比、去掉部分或全部冗余,从而减少数据所占的存储空间并保证在数据还原时恢复原状。

为达此目的，本发明采用以下技术方案：

一种基于形状树的地理要素形状分析方法，包括如下步骤：

利用道格拉斯算法对地理要素的算子进行分布描述步骤S110：

1)准备国家行政区划边界数据，通过拓扑检查，保证数据在空间上的一致性；

2)根据原始行政区划矢量数据，首先确定闭合曲线的最左边和最右边作为起始点，然后找出位于两个端点之间的曲线离散点距这两个端点联机的最大距离点d，以及该最大距离点d对应的最大距离dmax,如果该距离大于给定的精度限差算法阈值,则该点被确定为保留点；

3)然后分别再用已经得到的各相邻保留点为起始端点,用同样的方法对于它们之间的曲线上的离散点进行检测,确定下一批压缩后的保留点，用上述方法反复进行,直至两端点之间的曲线离散点距两端点联机的距离的最大值小于给定的精度限差阈值为止；

4)最后可得到满足给定精度限差的曲线压缩后的全部保留点；

利用形状树算法描述地理要素步骤S120：

1)选点：选取国家行政区划边界线对象L₀,选取首尾两顶点A、B,连接这两点形成一个基准线段S_A,B,依次取出首尾两点之间的每个顶点K,并计算它与基准线段S_A,B的距离D(S_A,B,K),将拥有最大距离的点M挑选出来,其满足D(S_A,B,M)>＝D(S_A,B,K),此点可被认为是这一序列顶点中的最重要特征点；

2)分线：将点M加入到边界线化简线的顶点集L’,以所取点为界将原线对象L₀分为两个线对象L_A,M和L_M,B，并对这两个线对象递归地执行“选点”和“分线”；

3)形状树建立：根据中的顶点M的加入顺序为其标上数字表示该点所处的层级,第一个加入的标上0,第二个加入的标上1,依此类推…，同时，将顶点M加上其他实验所需的相关属性值，这样L’中的每个顶点都与相关的属性值相关联，并且定义首末A、B点的序列号，然后建立形状树，将形状树的结点关联上其与基准线段的距离的相关属性值,形成地理要素形状树描述；

结合广度优先遍历方法优化重构地理要素步骤S130：

将道格拉斯算法计算的最大距离dmax作为相关参数，基于dmax获得访问权值并进一步生成访问顺序，从而得到改进后的加权广度优先遍历方法，对树结构进行访问生成重构的相似地理要素几何形态。

可选的，在步骤S110中：对算法阈值的选择能够改变保留点的数量，算法阈值设定的较大能够实现较大的压缩比，算法阈值设定的较小能够实现小的压缩比。

可选的，在步骤S120中，“选点”和“分线”的子步骤递归执行结束的条件为：将顶点序列不断地细分为互不覆盖的子序列，直到每段子序列中只包含一个顶点。

可选的，在步骤S120中，所述相关属性值包括：该点道格拉斯算法计算的最大距离dmax、pr值、以及hr值，其中pr＝dmax/AB，hr＝AP/AB，其中，点P为顶点M垂直映射到端点AB所连直线上的点，表示M点到线段AB的垂足,pr表示最大距离dmax与线段两端点AB连线所呈直线方向向量的比，hr表示首端点A到P点的方向向量与两端点AB连线所呈直线方向向量的比值。

可选的，在步骤S130中，基于dmax获得访问权值并进一步生成访问顺序，从而得到改进后的加权广度优先遍历方法具体为，以dmax的倒数，即1/dmax作为访问权值，从而以基本从上到下的顺序访问形态树，得到所需要的采样点，生成重构的相似地理要素几何形态。

可选的，基于形状树地理要素形态分析方法，能够生成的一维数组结构的dmax数据，即形状描述系数，对不同的一维数组结构的dmax数据进行对比分析，根据误差是否大来判断相关的重构数据是否来自相同的数据源。

本发明还公开了一种存储介质，用于存储计算机可执行指令，其特征在于：

所述计算机可执行指令在被处理器执行时执行上述的基于形状树的地理要素形状分析方法。

本发明还公开了根据上述的基于形状树的地理要素形状分析方法在地理数据的化简以及地理数据的分析中的应用。

本发明能够对指定区域地理数据进行数据压缩，提高压缩比、去掉部分或全部冗余,从而减少数据所占的存储空间并保证在数据还原时恢复原状。本发明能够应用于地理数据的化简以及地理数据的分析，包括地理数据压缩，地理数据质量分析，和地理数据的渐进性表达。

附图说明

图1是根据本发明具体实施例的基于形状树的地理要素形状分析方法的流程图；

图2是道格拉斯算法的计算示意图；

图3是形状树原理示意图；

图4是根据本发明具体实施例的地理要素形状树描述图；

图5是广度有线遍历的流程图；

图6示出了针对中国行政区划线矢量数据的不同顶点数量的可视化查询结果。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

本发明充分利用道格拉斯算法、形状描述方法、形状树原理、递归函数等形状分析相关方法，将涉及实现形状树原理与道格拉斯算法的结合，进行地理要素形状分析以及深度的整合应用。

具体而言，参见图1，基于形状树的地理要素形状分析方法包括如下步骤：

利用道格拉斯算法对地理要素的算子进行分布描述步骤S110：

基于国家行政区划边界数据，运用道格拉斯算法，构建国家行政区划矢量数据压缩。本发明采用不同阈值对国家行政区划矢量数据数据进行划分，道格拉斯－普克(Douglas－Peucker)算法是矢量曲线压缩的经典算法，它从整体角度考虑一条完整的线或某一确定的线段。首先选取线段的两个端点，然后计算线段内其余各点到连接两端点的直线距离。如果这些点到直线的垂直距离中最大值仍小于设定阈值，则所有这些点都被舍去；若最大距离大于设定阈值，则此点保留，并以此点将线段分为两段，对这两段重复计算垂距，分别检查最大垂距是否大于设定阈值。重复此过程直到没有多余的点需要被舍去为止。同时，可以根据数据压缩的密集程度对压缩后的矢量进一步压缩，将数据压缩密集的矢量数据根据需要化简成从高层次到低层次的不同压缩的地理数据。不同部门的行政区划数据，在比例尺和详细程度的上存在差异，压缩后的矢量数据在一定尺度上应满足数据整合与可视化的要求。压缩比过小容易造成信息资源空间化上的冗余，增加资源空间化时间，同时降低信息资源的管理效率；压缩比过大则不能较好的展示信息资源的空间化情况，失去信息资源整合的实际意义。

参见图2，示出了道格拉斯算法的计算示意图。

因此，步骤S110具体包括如下：

4)最后可得到满足给定精度限差的曲线压缩后的全部保留点。

在本发明中，对算法阈值的选择能够改变保留点的数量，算法阈值设定的较大能够实现较大的压缩比，算法阈值设定的较小能够实现小的压缩比。

利用形状树算法描述地理要素步骤S120：

针对矢量数据多尺度表达和可视化展示，最基本的处理方法是采用线简化算法进行实时的化简,然而这种方法耗费计算时间,目前最好的时间复杂度是O(n),即与待简化线对象的顶点个数线性相关,同时有不必要的操作。改进性能的基本思路是将线简化算法的中间结果存储起来以方便查询处理。预先生成简化的多比例尺版本几何对象是较为直接的办法,传统的基本比例尺地形图系列即遵循此思路进行。但其缺陷是存在数据冗余同时比例尺层次个数是固定的,不同比例尺查询结果是离散的,不同比例尺间的转换是突变的,查询不太灵活。因此，本发明研究提出将Shape Tree(形状树)理论结合道格拉斯算法,可以用来处理矢量地理要素的多比例尺查询。由提出的通过递归调用算法对线对象进行处理,同时构造起一个线简化树形结构,将地理要素表示成形状树结构描述，建立地理要素的形状树。

参见图3，示出了形状树原理，并且形状树的理论可以介绍如下：令A是由一系列采样点(a1，…，ai，…，a)指定的开放曲线。让ai成为A的中点。例如，通常采取i＝n/2。另一个选择是选择采样点，使得粗糙曲线(a1，ai，a)尽可能近似A。令L(ai|a1，a)表示ai相对于a1和a的位置。第一个和最后一个采样点的位置可用于定义测量中点位置的坐标系。第一个和最后一个采样点定义了规范和方向，因此相对位置L(ai|a1，a)对于相似变换是不变的。中点ai的选择将原始曲线分成两半，A1＝(a1，...，ai)和A2＝(ai，...，a)。A的分层描述被递归定义，这个层次描述可以用一个二叉树来表示，如图3所示。将这个表示称为曲线的形状树。形状树中的每个节点存储相对于子曲线的起点和终点的中点的相对位置。一个节点的左边的子树描述了从开始到中点的子路径，而右边的描述了子路径中点到底。这棵树的叶子表示相对于它们的相邻点，ai-1和ai+1是采样点ai的叶子。根节点上的子树对应于子路径的形状树。形状树底部的节点表示沿着曲线的三个连续点的相对位置。这些节点捕获局部几何属性，例如在一个点处形成的角度(其是曲率的度量)以及相邻采样点之间的相对距离。形状树仅包含相对于其他两个点的采样点的位置。这使得表示对于相似变换不变。

具体的，步骤S120包括如下：

2)分线：将点M加入到边界线化简线的顶点集L’,以所取点为界将原线对象L₀分为两个线对象L_A,M和L_M,B，并对这两个线对象递归地执行“选点”和“分线”的子步骤；

3)形状树建立：根据中的顶点M的加入顺序为其标上数字表示该点所处的层级,第一个加入的标上0,第二个加入的标上1,依此类推…，同时，将顶点M加上其他实验所需的相关属性值，这样L’中的每个顶点都与相关的属性值相关联，并且定义首末A、B点的序列号，例如，将首末A、B点的序列号分别定义为A:(0.0)、B(10000.0)，然后建立形状树，将形状树的结点关联上其与基准线段的距离的相关属性值,形成地理要素形状树描述。

例如，图4示出了简单描述的地理要素形状树。

进一步的，“选点”和“分线”的子步骤递归执行结束的条件为：将顶点序列不断地细分为互不覆盖的子序列，直到每段子序列中只包含一个顶点。

所述相关属性值包括：该点道格拉斯算法计算的最大距离dmax、pr值，以及hr值，其中pr＝dmax/AB，hr＝AP/AB，其中，点P为顶点M垂直映射到端点AB所连直线上的点，表示M点到线段AB的垂足,pr表示最大距离dmax与线段两端点AB连线所呈直线方向向量的比，hr表示首端点A到P点的方向向量与两端点AB连线所呈直线方向向量的比值。

结合广度优先遍历方法优化重构地理要素步骤S130：

shape-tree描述算法的重构主要是利用广度遍历对树形结构表示的地理要素进行反算重构相似地理要素。利用广度优先遍历访问树结构使得到的Shape-tree扩展之后的结构为动态树，得到动态数据结构，能够重构相似地理要素几何形态。

参见图5，广度优先遍历基本思想流程为：

(1)从图中某个顶点V0出发，并访问此顶点；

(2)从V0出发，访问V0的各个未曾访问的邻接点W1，W2，…,Wk；然后,依次从W1,W2,…,Wk出发访问各自未被访问的邻接点；

(3)重复步骤2，直到全部顶点都被访问为止。

但根据本发明的实验发现，仅仅采用广度优先的算法得到的矢量数据重构图形与原来矢量数据的误差，比加权广度优先遍历算法重构得到的图形与原始数据的误差大，因此实验效果并不好。

因此，本发明的步骤S130具体为：

由于最大距离dmax作为权值生成访问顺序，改进后的加权广度优先遍历方法能够优先选择形态树中dmax较大的若干个点，例如，以dmax从大到小的顺序选择形态树中的200个点，或者进一步缩小dmax，选择形态树中的500个点，或者2000个点，从而得到不同压缩比要求的基于形态树重构地理要素。

进一步而言，由于形态树中最大距离dmax较大的点在形态树的较上层，距离较小，而dmax较小的点在形态树的较下层，距离较大，则可以以dmax的倒数，即1/dmax作为访问权值，从而以基本从上到下的顺序访问形态树，得到所需要的采样点，生成重构的相似地理要素几何形态。

进一步的，本发明发现，基于形状树地理要素形态分析方法可以使地理要素由线结构转化为树结构，同时生成的一维数组结构的dmax数据，即形状描述系数。而通过对不同来源的数据利用本发明的形状树地理要素形态分析方法，对所述形状描述系数进行对比分析，可以发现，不同来源所得到的一维数组结构的dmax数据误差较大，而相同来源的一维数组结构的dmax数据误差较小。

因此，利用一维数组结构的dmax数据能够判断相关的重构数据是否来自相同的数据源。

此外，基于形状树的地理要素形状分析方法能够将行政边界线矢量数据描述为动态树形结构，并进一步应用于地理数据的化简以及地理数据的分析，包括地理数据压缩，实现在线可视化；地理数据渐进性表达；地图要素匹配；地理数据质量分析以及衡量地理要素随时间变化趋势等多个相关的应用。

将地理要素几何形态分析方法应用于地理数据的化简以及地理数据的分析。其中：

1)地理数据压缩，实现在线可视化；

2)地理数据质量分析，可以对不同部门所获取的同一地区的地理数据进行质量分析；

3)地理数据的渐进性表达。

本发明进一步公开了一种存储介质，用于存储计算机可执行指令，其特征在于：

实施例1：

在全球基础地理数据资源整合利用项目中，基于全球性的自洽、层次、高分辨率的海岸线数据库(GSHHS数据集)，利用形状描述的地理要素形态分析方法，实现全球各地区矢量地理要素等整合。其中，用本发明的基于形状树的地理要素分析方法对地理要素进行了重构，实验操作对各地区矢量数据进行动态数据压缩及在线可视化。

其中可视化查询结果图6(a)为包含500个顶点的多边形，可视化查询结果图6(b)含5000个顶点，可视化查询结果图6(c)含顶点50000个，可视化查询结果图6(d)为行政边界线底图。

虽然图6(a)与图6(b)以及图6(c)都是采样后结果的可视化,但在视觉上无法分辨采样前后的差别。它说明使用采样操作来减小需要传输和处理的数据规模同时不损失数据可视化的效果是完全可行的。同时，DP算法结合Shape-tree的方法对地理要素矢量数据进行压缩具执行效率比简单DP算法和VW算法高,实现对指定区域地理数据进行数据压缩，提高压缩比、去掉部分或全部冗余,从而减少数据所占的存储空间并保证在数据还原时恢复原状。

显然，本领域技术人员应该明白，上述的本发明的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上,可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。

Claims

1.一种基于形状树的地理要素形状分析方法，包括如下步骤：

利用道格拉斯算法对地理要素的算子进行分布描述步骤S110：

利用形状树算法描述地理要素步骤S120：

结合广度优先遍历方法优化重构地理要素步骤S130：

2.根据权利要求1所述的地理要素形状分析方法，其特征在于：

在步骤S110中：对算法阈值的选择能够改变保留点的数量，算法阈值设定的较大能够实现较大的压缩比，算法阈值设定的较小能够实现小的压缩比。

3.根据权利要求1所述的地理要素形状分析方法，其特征在于：

在步骤S120中，“选点”和“分线”的子步骤递归执行结束的条件为：将顶点序列不断地细分为互不覆盖的子序列，直到每段子序列中只包含一个顶点。

4.根据权利要求1所述的地理要素形状分析方法，其特征在于：

在步骤S120中，所述相关属性值包括：该点道格拉斯算法计算的最大距离dmax、pr值、以及hr值，其中pr＝dmax/AB，hr＝AP/AB，其中，点P为顶点M垂直映射到端点AB所连直线上的点，表示M点到线段AB的垂足,pr表示最大距离dmax与线段两端点AB连线所呈直线方向向量的比，hr表示首端点A到P点的方向向量与两端点AB连线所呈直线方向向量的比值。

5.根据权利要求1所述的地理要素形状分析方法，其特征在于：

在步骤S130中，基于dmax获得访问权值并进一步生成访问顺序，从而得到改进后的加权广度优先遍历方法具体为，以dmax的倒数，即1/dmax作为访问权值，从而以基本从上到下的顺序访问形态树，得到所需要的采样点，生成重构的相似地理要素几何形态。

6.根据权利要求1所述的地理要素形状分析方法，其特征在于：

基于形状树地理要素形态分析方法，能够生成的一维数组结构的dmax数据，即形状描述系数，对不同的一维数组结构的dmax数据进行对比分析，根据误差是否大来判断相关的重构数据是否来自相同的数据源。

7.一种存储介质，用于存储计算机可执行指令，其特征在于：

所述计算机可执行指令在被处理器执行时执行权利要求1-6中任意一项所述的基于形状树的地理要素形状分析方法。

8.根据权利要求1-6中任意一项所述的基于形状树的地理要素形状分析方法在地理数据的化简以及地理数据的分析中的应用。